Informe Final PinkFairness

1. Motivación

En esta sección se hace la descripción del caso de uso indicando el problema o tarea específica que se soluciona, proporcionando una visión general del mismo. Asimismo, se establece las necesidades y requisitos específicos del proyecto.

Requisito Descripcion
target_population El conjunto de datos de German Credit representa a personas solicitantes de crédito en Alemania. Por tanto, la población impactada o beneficiada son individuos que solicitan productos financieros, como préstamos o créditos bancarios. Las decisiones automatizadas sobre su riesgo crediticio pueden afectar su acceso a productos financieros.
context El propósito principal del sistema que se entrena con este conjunto de datos es predecir la probabilidad de que un solicitante de crédito pague o no pague su deuda. Las metas principales son:\nEvaluar la solvencia de un solicitante.\nReducir riesgos de impago para las instituciones financieras.\nFacilitar decisiones de aprobación o rechazo de solicitudes de crédito de manera eficiente.
sensitive_data El dataset contiene atributos sensibles como:\nSexo (male/female)\nEstado civil (single/married/divorced)\nEdad Se deben aplicar buenas prácticas como:\nEvaluar y mitigar posibles sesgos en las predicciones relacionadas con estos atributos.\nImplementar técnicas de fairness-aware machine learning si se pretende garantizar equidad.
limitations Tamaño limitado: solo 1.000 instancias, lo cual puede dificultar la generalización.\nDatos antiguos: provienen de los años 1990s o antes, y pueden no reflejar las condiciones socioeconómicas actuales.\nCodificación simplificada: algunas variables categóricas están preprocesadas de manera que puede ocultar matices importantes.\nPresencia de sesgos históricos: los datos reflejan posibles discriminaciones preexistentes en la concesión de crédito.
benefits Acceso más ágil a decisiones de crédito si se usa un modelo justo y eficiente.\nReducción de la subjetividad humana en la evaluación crediticia.\n\nTransparencia potencialmente mayor si el modelo es explicado adecuadamente y supervisado.
ethics Si el modelo es justo y preciso: Puede facilitar un acceso más equitativo a créditos y mejorar la eficiencia bancaria.\nSi el modelo es sesgado: Podría discriminar contra ciertos grupos (por ejemplo, mujeres, personas jóvenes o mayores, personas solteras), perpetuando desigualdades.\nSi el modelo no se actualiza: Puede volverse irrelevante o ineficaz con cambios en las condiciones económicas o comportamientos de pago de la población.
maintenance Se recomienda que el modelo sea monitoreado:\nInicialmente: cada 6 meses.\nPosteriormente: según el comportamiento observado, podría ser anual si se mantiene un buen desempeño. El monitoreo debe incluir:\nRendimiento predictivo (accuracy, F1-score)\nMétricas de equidad (Disparate Impact (DI), Statistical Parity, Equal Opportunity Difference (EOD), Average Odds Difference (AOD))
description Nombre: German Credit Data\nOrigen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund.\nTamaño: 1.000 observaciones, 20 atributos.\nEtiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado).\nVariables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros).
2. Comprensión de los datos

A continuación, se describe el análisis de los datos disponibles para la construcción del modelo

2.1 Recopilación de datos iniciales

Cual fue la manera en que se llevó a cabo el proceso de recopilación de los datos, indicando si los datos utilizados corresponden a toda una población o si son una muestra representativa de la misma, especificando el porcentaje que representan en relación a la población en cuestión. Además, identificar las razones por las cuales existen valores perdidos en los datos. Asimismo, indicar si los datos han sido sometidos a algún tipo de tratamiento o transformación, o si se encuentran en su formato original

Ítem Descripción
Fuente de Datos German Credit Data Origen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund.
Filas 800
Columnas 61
Atributos sensibles [sexo]
Atributo de clase class
Formato csv archivo separados por comas
Descripción Tamaño: 1.000 observaciones, 20 atributos. Etiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado). Variables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros).

2.2 Descripción de los datos

En esta sección se busca comprender la naturaleza y las características de cada atributo en el conjunto de datos. Esto implica examinar el tipo de dato, la escala de medición, el rango de valores posibles, la presencia de valores atípicos o perdidos, y cualquier otra información relevante relacionada con cada atributo

Atributo Descripción
duration Duración en meses del crédito solicitado.
amount Monto del crédito solicitado en Deutsche Marks (DM).
installment Tasa de cuota mensual a pagar como porcentaje del ingreso disponible (1: alta, 4: baja).
residence Años de residencia actual en la dirección indicada.
age Edad del solicitante en años.
cards Número de créditos existentes en este banco.
liable Número de personas a cargo del solicitante económicamente.
foreign Si el solicitante es extranjero (1: sí, 0: no).
sexo Sexo del solicitante (1: masculino, 0: femenino).
existingchecking__saldo positivo hasta 200 DM Cuenta corriente con saldo positivo de hasta 200 Deutsche Marks.
existingchecking__saldo positivo superior a 200 DM Cuenta corriente con saldo positivo mayor a 200 Deutsche Marks.
existingchecking__sin cuenta corriente El solicitante no tiene cuenta corriente.
existingchecking__sin saldo Cuenta corriente sin saldo o en descubierto.
history__créditos existentes pagados puntualmente hasta ahora Todos los créditos anteriores fueron pagados puntualmente.
history__cuenta crítica/otros créditos existentes (no en este banco) Hay cuentas o créditos críticos en otros bancos.
history__no créditos tomados El solicitante no ha tomado créditos anteriormente.
history__retraso en el pago en el pasado El solicitante tuvo retrasos en pagos anteriores.
history__todos los créditos en este banco devueltos a tiempo Los créditos en este banco han sido devueltos a tiempo.
purpose__coche nuevo Solicitud de crédito para comprar un coche nuevo.
purpose__coche usado Solicitud de crédito para comprar un coche usado.
purpose__educación Solicitud de crédito para financiar educación.
purpose__electrodomésticos Solicitud de crédito para comprar electrodomésticos.
purpose__muebles/equipo Solicitud de crédito para comprar muebles o equipamiento.
purpose__negocios Solicitud de crédito para fines comerciales o de negocios.
purpose__otros Otros propósitos no especificados.
purpose__radio/TV Solicitud de crédito para la compra de radio o televisión.
purpose__reparaciones Solicitud de crédito para reparaciones.
purpose__retraining Solicitud de crédito para reentrenamiento profesional.
savings__saldo positivo de 100 a 500 DM Ahorros entre 100 y 500 Deutsche Marks.
savings__saldo positivo de 500 a 1000 DM Ahorros entre 500 y 1000 Deutsche Marks.
savings__saldo positivo hasta 100 DM Ahorros menores o iguales a 100 Deutsche Marks.
savings__saldo positivo superior a 1000 DM Ahorros superiores a 1000 Deutsche Marks.
savings__sin cuenta de ahorros El solicitante no posee cuenta de ahorros.
employ__desempleado El solicitante está desempleado.
employ__empleado de 1 a 4 años El solicitante ha trabajado entre 1 y 4 años.
employ__empleado de 4 a 7 años El solicitante ha trabajado entre 4 y 7 años.
employ__empleado menos de 1 año El solicitante ha trabajado menos de 1 año.
employ__empleado más de 7 años El solicitante ha trabajado más de 7 años.
others__co-deudor Existe un co-deudor en la solicitud.
others__garante Existe un garante en la solicitud.
others__ninguno No hay co-deudores ni garantes.
property__automóvil Propiedad de un automóvil.
property__bienes inmuebles Propiedad de bienes inmuebles.
property__seguro de vida Propiedad de una póliza de seguro de vida.
property__sin propiedad No posee ninguna propiedad declarada.
otherplans__banco Tiene otros planes financieros en bancos.
otherplans__ninguno No tiene otros planes financieros.
otherplans__tiendas Tiene planes de financiamiento con tiendas.
housing__alquiler Vive en una vivienda alquilada.
housing__gratis Vive en una vivienda sin pagar alquiler.
housing__propietario Es propietario de la vivienda.
job__altamente calificado/funcionario Profesional altamente calificado o funcionario público.
job__calificado Trabajador calificado.
job__desempleado/no calificado Persona desempleada o trabajador no calificado.
job__no calificado residente Trabajador no calificado pero con residencia estable.
telephone__no El solicitante no tiene teléfono.
telephone__sí El solicitante tiene teléfono.
estado_civil__casado/viudo Solicitante casado o viudo.
estado_civil__divorciada/separada/casada Solicitante mujer divorciada, separada o casada.
estado_civil__divorciado/separado Solicitante hombre divorciado o separado.
estado_civil__soltero Solicitante soltero.

Estadística atributos ordinales y nominales

Atributo Tipo Cantidad Valores unicos Mas frecuente Menos frecuente Valores nulos
duration category 800 3 3 1 0
amount category 800 3 1 3 0
installment category 800 4 4 1 0
residence category 800 4 4 1 0
cards category 800 4 1 4 0
liable category 800 2 1 2 0
foreign category 800 2 0 1 0
sexo category 800 2 1 0 0
existingchecking__saldo positivo hasta 200 DM category 800 2 0 1 0
existingchecking__saldo positivo superior a 200 DM category 800 2 0 1 0
existingchecking__sin cuenta corriente category 800 2 0 1 0
existingchecking__sin saldo category 800 2 0 1 0
history__créditos existentes pagados puntualmente hasta ahora category 800 2 1 0 0
history__cuenta crítica/otros créditos existentes (no en este banco) category 800 2 0 1 0
history__no créditos tomados category 800 2 0 1 0
history__retraso en el pago en el pasado category 800 2 0 1 0
history__todos los créditos en este banco devueltos a tiempo category 800 2 0 1 0
purpose__coche nuevo category 800 2 0 1 0
purpose__coche usado category 800 2 0 1 0
purpose__educación category 800 2 0 1 0
purpose__electrodomésticos category 800 2 0 1 0
purpose__muebles/equipo category 800 2 0 1 0
purpose__negocios category 800 2 0 1 0
purpose__otros category 800 2 0 1 0
purpose__radio/TV category 800 2 0 1 0
purpose__reparaciones category 800 2 0 1 0
purpose__retraining category 800 2 0 1 0
savings__saldo positivo de 100 a 500 DM category 800 2 0 1 0
savings__saldo positivo de 500 a 1000 DM category 800 2 0 1 0
savings__saldo positivo hasta 100 DM category 800 2 0 1 0
savings__saldo positivo superior a 1000 DM category 800 2 0 1 0
savings__sin cuenta de ahorros category 800 2 1 0 0
employ__desempleado category 800 2 0 1 0
employ__empleado de 1 a 4 años category 800 2 0 1 0
employ__empleado de 4 a 7 años category 800 2 0 1 0
employ__empleado menos de 1 año category 800 2 0 1 0
employ__empleado más de 7 años category 800 2 0 1 0
others__co-deudor category 800 2 0 1 0
others__garante category 800 2 0 1 0
others__ninguno category 800 2 1 0 0
property__automóvil category 800 2 0 1 0
property__bienes inmuebles category 800 2 0 1 0
property__seguro de vida category 800 2 0 1 0
property__sin propiedad category 800 2 0 1 0
otherplans__banco category 800 2 0 1 0
otherplans__ninguno category 800 2 0 1 0
otherplans__tiendas category 800 2 1 0 0
housing__alquiler category 800 2 0 1 0
housing__gratis category 800 2 0 1 0
housing__propietario category 800 2 1 0 0
job__altamente calificado/funcionario category 800 2 0 1 0
job__calificado category 800 2 1 0 0
job__desempleado/no calificado category 800 2 0 1 0
job__no calificado residente category 800 2 0 1 0
telephone__no category 800 2 1 0 0
telephone__sí category 800 2 0 1 0
estado_civil__casado/viudo category 800 2 0 1 0
estado_civil__divorciada/separada/casada category 800 2 0 1 0
estado_civil__divorciado/separado category 800 2 0 1 0
estado_civil__soltero category 800 2 1 0 0
class category 800 2 1 0 0

Estadística atributos continuos y discretos

Atributo Tipo Cantidad Minimo Mediana Maximo Promedio Desv Std % Nulos % Ceros
age int64 800 20 33.0 75 35.38625 11.37778 0.0 0.0

2.3 Exploración de datos

Se realiza el análisis de las distribuciones de las variables de forma individual como relacionadas con la clase y los atributos sensibles

Gráfico de Distribución de las Variables

Distribución de la Variable Objetivo Distribución de la Variable Objetivo Distribución de la Variable Objetivo Distribución de la Variable Objetivo Distribución de la Variable Objetivo

Relación entre atributos

Advertencia: Para 'age' = 56, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'class' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'class' = 1 (100.00%).

Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'estado_civil__divorciada/separada/casada' = 0, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'estado_civil__divorciada/separada/casada' = 0, casi todos pertenecen a 'sexo' = 1 (100.00%).

Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'sexo' = 0 (100.00%).

Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'sexo' = 1 es muy baja (0.00%).

Advertencia: Para 'estado_civil__divorciado/separado' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'estado_civil__divorciado/separado' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'estado_civil__soltero' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).

Nota: Para 'estado_civil__soltero' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).

Advertencia: Para 'duration' = 1, la proporción de 'amount' = 3 es muy baja (2.86%).

Advertencia: Para 'duration' = 2, la proporción de 'amount' = 3 es muy baja (2.31%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 20 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 21 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 22 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 24 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 25 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 26 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 30 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 31 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 32 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 33 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 34 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 35 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 36 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 37 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 38 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 39 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 40 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 41 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 43 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 44 es muy baja (4.29%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 45 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 46 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 47 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 48 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 49 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 50 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 51 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 52 es muy baja (2.86%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 54 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 55 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 59 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 60 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 61 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 62 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 63 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 64 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 67 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 68 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 74 es muy baja (1.43%).

Advertencia: Para 'duration' = 1, la proporción de 'age' = 75 es muy baja (1.43%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 20 es muy baja (2.78%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 21 es muy baja (1.39%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 22 es muy baja (4.63%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 24 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 25 es muy baja (4.17%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 26 es muy baja (4.63%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 28 es muy baja (3.70%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 29 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 30 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 31 es muy baja (2.78%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 32 es muy baja (2.78%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 33 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 34 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 36 es muy baja (2.78%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 37 es muy baja (4.63%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 38 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 39 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 40 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 41 es muy baja (1.39%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 42 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 43 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 44 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 45 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 46 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 47 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 48 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 49 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 50 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 51 es muy baja (1.39%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 52 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 53 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 54 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 55 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 56 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 57 es muy baja (1.39%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 58 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 59 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 60 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 61 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 63 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 64 es muy baja (0.93%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 65 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 66 es muy baja (1.85%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 70 es muy baja (0.46%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'duration' = 2, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 20 es muy baja (1.17%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 21 es muy baja (1.36%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 22 es muy baja (2.72%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 23 es muy baja (4.47%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 24 es muy baja (4.86%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 25 es muy baja (4.86%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 26 es muy baja (4.67%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 28 es muy baja (4.86%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 29 es muy baja (3.50%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 30 es muy baja (4.67%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 31 es muy baja (4.28%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 32 es muy baja (3.89%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 33 es muy baja (3.70%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 34 es muy baja (3.89%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 35 es muy baja (3.70%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 36 es muy baja (3.89%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 37 es muy baja (2.72%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 38 es muy baja (2.14%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 39 es muy baja (2.33%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 40 es muy baja (2.92%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 41 es muy baja (1.56%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 42 es muy baja (1.56%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 43 es muy baja (2.33%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 44 es muy baja (1.56%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 45 es muy baja (1.56%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 46 es muy baja (2.14%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 47 es muy baja (1.56%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 48 es muy baja (0.78%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 49 es muy baja (0.78%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 50 es muy baja (0.97%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 51 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 52 es muy baja (0.19%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 53 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 54 es muy baja (0.58%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 55 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 56 es muy baja (0.19%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 57 es muy baja (0.58%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 58 es muy baja (0.78%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 59 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 60 es muy baja (0.78%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 61 es muy baja (0.78%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 62 es muy baja (0.19%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 63 es muy baja (1.17%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 64 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 65 es muy baja (0.58%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 66 es muy baja (0.19%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 68 es muy baja (0.39%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 74 es muy baja (0.19%).

Advertencia: Para 'duration' = 3, la proporción de 'age' = 75 es muy baja (0.19%).

Advertencia: Para 'duration' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'duration' = 2, la proporción de 'cards' = 3 es muy baja (3.24%).

Advertencia: Para 'duration' = 2, la proporción de 'cards' = 4 es muy baja (1.39%).

Advertencia: Para 'duration' = 3, la proporción de 'cards' = 3 es muy baja (1.75%).

Advertencia: Para 'duration' = 3, la proporción de 'cards' = 4 es muy baja (0.19%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'foreign' = 0 (98.44%).

Advertencia: Para 'duration' = 3, la proporción de 'foreign' = 1 es muy baja (1.56%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.14%).

Advertencia: Para 'duration' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.86%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.14%).

Advertencia: Para 'duration' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.22%).

Advertencia: Para 'duration' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.78%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (98.15%).

Advertencia: Para 'duration' = 2, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (1.85%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.15%).

Advertencia: Para 'duration' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.85%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.33%).

Advertencia: Para 'duration' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.67%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (98.57%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (1.43%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__coche usado' = 0 (96.30%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__coche usado' = 1 es muy baja (3.70%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.71%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.29%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__educación' = 0 (95.91%).

Advertencia: Para 'duration' = 3, la proporción de 'purpose__educación' = 1 es muy baja (4.09%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.14%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.61%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.39%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.42%).

Advertencia: Para 'duration' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.58%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (98.57%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (1.43%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__negocios' = 0 (95.83%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__negocios' = 1 es muy baja (4.17%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__otros' = 0 (99.54%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.46%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__otros' = 0 (98.64%).

Advertencia: Para 'duration' = 3, la proporción de 'purpose__otros' = 1 es muy baja (1.36%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.14%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.69%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.31%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).

Advertencia: Para 'duration' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (97.14%).

Advertencia: Para 'duration' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (2.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (98.15%).

Advertencia: Para 'duration' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (1.85%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (99.81%).

Advertencia: Para 'duration' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.19%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.14%).

Advertencia: Para 'duration' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.83%).

Advertencia: Para 'duration' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.17%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.14%).

Advertencia: Para 'duration' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.86%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.76%).

Advertencia: Para 'duration' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.24%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'duration' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (95.37%).

Advertencia: Para 'duration' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (4.63%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'others__garante' = 0 (95.71%).

Advertencia: Para 'duration' = 1, la proporción de 'others__garante' = 1 es muy baja (4.29%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'others__garante' = 0 (95.14%).

Advertencia: Para 'duration' = 3, la proporción de 'others__garante' = 1 es muy baja (4.86%).

Advertencia: Para 'duration' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.29%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.71%).

Nota: Para 'duration' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.71%).

Advertencia: Para 'duration' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.29%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).

Advertencia: Para 'duration' = 2, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.15%).

Advertencia: Para 'duration' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.85%).

Nota: Para 'duration' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.25%).

Advertencia: Para 'duration' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.75%).

Nota: Para 'duration' = 2, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.37%).

Advertencia: Para 'duration' = 2, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.63%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 20 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 21 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 22 es muy baja (3.97%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 24 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 25 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 26 es muy baja (4.82%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 28 es muy baja (4.53%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 29 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 30 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 31 es muy baja (3.12%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 32 es muy baja (3.68%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 33 es muy baja (3.12%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 34 es muy baja (1.98%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 35 es muy baja (4.25%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 36 es muy baja (3.12%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 37 es muy baja (2.83%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 38 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 39 es muy baja (1.98%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 40 es muy baja (3.12%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 41 es muy baja (1.42%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 42 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 43 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 44 es muy baja (0.57%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 45 es muy baja (0.57%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 46 es muy baja (1.98%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 47 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 48 es muy baja (1.13%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 49 es muy baja (1.70%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 50 es muy baja (1.13%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 51 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 52 es muy baja (1.13%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 53 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 54 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 55 es muy baja (1.13%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 56 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 57 es muy baja (1.13%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 58 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 59 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 60 es muy baja (0.57%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 61 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 62 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 63 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 64 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 65 es muy baja (0.85%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 66 es muy baja (1.42%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 67 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 68 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 74 es muy baja (0.28%).

Advertencia: Para 'amount' = 1, la proporción de 'age' = 75 es muy baja (0.28%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 20 es muy baja (1.95%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 21 es muy baja (0.97%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 22 es muy baja (3.25%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 23 es muy baja (3.25%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 26 es muy baja (4.87%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 29 es muy baja (3.25%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 30 es muy baja (3.90%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 31 es muy baja (3.57%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 32 es muy baja (4.22%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 33 es muy baja (4.55%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 34 es muy baja (3.90%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 35 es muy baja (3.90%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 36 es muy baja (4.22%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 37 es muy baja (4.55%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 38 es muy baja (0.97%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 39 es muy baja (1.95%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 40 es muy baja (2.27%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 41 es muy baja (1.95%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 42 es muy baja (1.30%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 43 es muy baja (2.60%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 44 es muy baja (1.62%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 45 es muy baja (1.62%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 46 es muy baja (1.62%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 47 es muy baja (1.30%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 48 es muy baja (0.97%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 49 es muy baja (1.30%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 50 es muy baja (1.30%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 51 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 52 es muy baja (0.97%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 53 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 54 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 55 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 56 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 57 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 59 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 60 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 61 es muy baja (0.97%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 62 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 63 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 64 es muy baja (0.65%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 65 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 74 es muy baja (0.32%).

Advertencia: Para 'amount' = 2, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 20 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 21 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 22 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 23 es muy baja (3.60%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 24 es muy baja (4.32%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 25 es muy baja (4.32%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 26 es muy baja (2.88%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 28 es muy baja (3.60%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 32 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 33 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 34 es muy baja (4.32%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 35 es muy baja (4.32%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 36 es muy baja (3.60%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 37 es muy baja (2.16%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 38 es muy baja (2.88%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 39 es muy baja (2.88%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 40 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 41 es muy baja (2.16%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 42 es muy baja (4.32%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 43 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 44 es muy baja (3.60%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 45 es muy baja (2.88%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 46 es muy baja (2.16%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 47 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 48 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 49 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 50 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 51 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 52 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 53 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 54 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 55 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 58 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 59 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 60 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 61 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 63 es muy baja (2.16%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 64 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 68 es muy baja (1.44%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 70 es muy baja (0.72%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'amount' = 3, la proporción de 'age' = 75 es muy baja (0.72%).

Advertencia: Para 'amount' = 1, la proporción de 'cards' = 3 es muy baja (3.40%).

Advertencia: Para 'amount' = 1, la proporción de 'cards' = 4 es muy baja (0.85%).

Advertencia: Para 'amount' = 2, la proporción de 'cards' = 3 es muy baja (1.95%).

Advertencia: Para 'amount' = 2, la proporción de 'cards' = 4 es muy baja (0.32%).

Advertencia: Para 'amount' = 3, la proporción de 'cards' = 3 es muy baja (2.16%).

Advertencia: Para 'amount' = 3, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'foreign' = 0 (97.73%).

Advertencia: Para 'amount' = 2, la proporción de 'foreign' = 1 es muy baja (2.27%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'foreign' = 0 (97.84%).

Advertencia: Para 'amount' = 3, la proporción de 'foreign' = 1 es muy baja (2.16%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (99.28%).

Advertencia: Para 'amount' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.72%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.73%).

Advertencia: Para 'amount' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.27%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.45%).

Advertencia: Para 'amount' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.55%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.47%).

Advertencia: Para 'amount' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.53%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.08%).

Advertencia: Para 'amount' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.92%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (98.87%).

Advertencia: Para 'amount' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (1.13%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__educación' = 0 (97.40%).

Advertencia: Para 'amount' = 2, la proporción de 'purpose__educación' = 1 es muy baja (2.60%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__educación' = 0 (95.68%).

Advertencia: Para 'amount' = 3, la proporción de 'purpose__educación' = 1 es muy baja (4.32%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.02%).

Advertencia: Para 'amount' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.98%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.68%).

Advertencia: Para 'amount' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.32%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'amount' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.15%).

Advertencia: Para 'amount' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.85%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'amount' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__otros' = 0 (96.40%).

Advertencia: Para 'amount' = 3, la proporción de 'purpose__otros' = 1 es muy baja (3.60%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.60%).

Advertencia: Para 'amount' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.40%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.38%).

Advertencia: Para 'amount' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.62%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.84%).

Advertencia: Para 'amount' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.16%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.02%).

Advertencia: Para 'amount' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.98%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'amount' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'amount' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.84%).

Advertencia: Para 'amount' = 3, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.16%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.10%).

Advertencia: Para 'amount' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.90%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.12%).

Advertencia: Para 'amount' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.88%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.75%).

Advertencia: Para 'amount' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.25%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.02%).

Advertencia: Para 'amount' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.98%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'others__garante' = 0 (95.45%).

Advertencia: Para 'amount' = 2, la proporción de 'others__garante' = 1 es muy baja (4.55%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'others__garante' = 0 (96.40%).

Advertencia: Para 'amount' = 3, la proporción de 'others__garante' = 1 es muy baja (3.60%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.47%).

Advertencia: Para 'amount' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.53%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.32%).

Advertencia: Para 'amount' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.68%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.03%).

Advertencia: Para 'amount' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.97%).

Nota: Para 'amount' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.28%).

Advertencia: Para 'amount' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.72%).

Nota: Para 'amount' = 2, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.13%).

Advertencia: Para 'amount' = 2, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.87%).

Nota: Para 'amount' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.60%).

Advertencia: Para 'amount' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.40%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 20 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 21 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 22 es muy baja (4.76%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 24 es muy baja (4.76%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 25 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 26 es muy baja (3.81%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 28 es muy baja (4.76%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 29 es muy baja (3.81%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 30 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 31 es muy baja (4.76%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 34 es muy baja (3.81%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 35 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 36 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 37 es muy baja (3.81%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 38 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 39 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 40 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 41 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 42 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 43 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 44 es muy baja (1.90%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 45 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 46 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 47 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 48 es muy baja (2.86%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 49 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 50 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 51 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 52 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 54 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 55 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 59 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 60 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 61 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 62 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 63 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 64 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 68 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 74 es muy baja (0.95%).

Advertencia: Para 'installment' = 1, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 20 es muy baja (2.22%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 21 es muy baja (2.22%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 22 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 23 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 28 es muy baja (2.78%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 29 es muy baja (4.44%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 30 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 32 es muy baja (1.67%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 33 es muy baja (1.67%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 34 es muy baja (1.67%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 35 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 36 es muy baja (4.44%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 37 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 38 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 39 es muy baja (2.78%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 40 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 41 es muy baja (2.78%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 43 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 44 es muy baja (2.78%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 45 es muy baja (2.22%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 46 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 47 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 48 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 49 es muy baja (3.33%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 50 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 51 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 52 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 54 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 55 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 59 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 60 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 61 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 63 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 64 es muy baja (1.67%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 66 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 68 es muy baja (1.11%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 70 es muy baja (0.56%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'age' = 75 es muy baja (0.56%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 20 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 21 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 22 es muy baja (3.10%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 23 es muy baja (3.88%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 25 es muy baja (3.88%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 26 es muy baja (4.65%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 28 es muy baja (4.65%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 29 es muy baja (3.10%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 30 es muy baja (3.10%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 31 es muy baja (4.65%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 32 es muy baja (3.88%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 33 es muy baja (1.55%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 34 es muy baja (3.10%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 36 es muy baja (3.88%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 37 es muy baja (2.33%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 38 es muy baja (2.33%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 39 es muy baja (3.10%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 40 es muy baja (4.65%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 41 es muy baja (1.55%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 42 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 43 es muy baja (3.88%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 44 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 45 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 46 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 47 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 48 es muy baja (1.55%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 49 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 50 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 51 es muy baja (2.33%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 52 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 53 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 54 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 55 es muy baja (2.33%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 58 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 59 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 60 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 61 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 63 es muy baja (1.55%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 64 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 74 es muy baja (0.78%).

Advertencia: Para 'installment' = 3, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 20 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 21 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 22 es muy baja (2.59%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 23 es muy baja (4.92%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 24 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 25 es muy baja (3.89%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 26 es muy baja (3.89%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 29 es muy baja (3.37%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 31 es muy baja (2.07%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 32 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 33 es muy baja (3.89%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 34 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 35 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 36 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 37 es muy baja (3.63%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 38 es muy baja (3.11%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 39 es muy baja (1.30%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 40 es muy baja (3.11%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 41 es muy baja (1.81%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 42 es muy baja (1.30%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 43 es muy baja (2.07%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 44 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 45 es muy baja (0.78%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 46 es muy baja (2.59%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 47 es muy baja (1.81%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 48 es muy baja (0.52%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 49 es muy baja (1.30%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 50 es muy baja (1.81%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 51 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 52 es muy baja (1.55%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 53 es muy baja (0.78%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 54 es muy baja (0.78%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 55 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 56 es muy baja (0.52%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 57 es muy baja (1.55%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 58 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 59 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 60 es muy baja (0.78%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 61 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 62 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 63 es muy baja (0.78%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 64 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 65 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 66 es muy baja (1.04%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 67 es muy baja (0.26%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'installment' = 4, la proporción de 'age' = 75 es muy baja (0.26%).

Advertencia: Para 'installment' = 1, la proporción de 'cards' = 3 es muy baja (3.81%).

Advertencia: Para 'installment' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'installment' = 2, la proporción de 'cards' = 3 es muy baja (3.89%).

Advertencia: Para 'installment' = 2, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'installment' = 3, la proporción de 'cards' = 3 es muy baja (1.55%).

Advertencia: Para 'installment' = 3, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'installment' = 4, la proporción de 'cards' = 3 es muy baja (2.07%).

Advertencia: Para 'installment' = 4, la proporción de 'cards' = 4 es muy baja (1.04%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'foreign' = 0 (97.22%).

Advertencia: Para 'installment' = 2, la proporción de 'foreign' = 1 es muy baja (2.78%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'foreign' = 0 (98.45%).

Advertencia: Para 'installment' = 4, la proporción de 'foreign' = 1 es muy baja (1.55%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.24%).

Advertencia: Para 'installment' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.76%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.15%).

Advertencia: Para 'installment' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.85%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.22%).

Advertencia: Para 'installment' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.78%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.45%).

Advertencia: Para 'installment' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.55%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.34%).

Advertencia: Para 'installment' = 4, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.66%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__educación' = 0 (98.10%).

Advertencia: Para 'installment' = 1, la proporción de 'purpose__educación' = 1 es muy baja (1.90%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__educación' = 0 (96.67%).

Advertencia: Para 'installment' = 2, la proporción de 'purpose__educación' = 1 es muy baja (3.33%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__educación' = 0 (96.90%).

Advertencia: Para 'installment' = 3, la proporción de 'purpose__educación' = 1 es muy baja (3.10%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.10%).

Advertencia: Para 'installment' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.90%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.44%).

Advertencia: Para 'installment' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.56%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.22%).

Advertencia: Para 'installment' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.78%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).

Advertencia: Para 'installment' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.05%).

Advertencia: Para 'installment' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.95%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.33%).

Advertencia: Para 'installment' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.67%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__otros' = 0 (99.22%).

Advertencia: Para 'installment' = 3, la proporción de 'purpose__otros' = 1 es muy baja (0.78%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__otros' = 0 (99.22%).

Advertencia: Para 'installment' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.78%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (99.05%).

Advertencia: Para 'installment' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.95%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.33%).

Advertencia: Para 'installment' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.67%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.12%).

Advertencia: Para 'installment' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.88%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.15%).

Advertencia: Para 'installment' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.85%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.05%).

Advertencia: Para 'installment' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.95%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.44%).

Advertencia: Para 'installment' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.56%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'installment' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (98.70%).

Advertencia: Para 'installment' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (1.30%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.14%).

Advertencia: Para 'installment' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.86%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.56%).

Advertencia: Para 'installment' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.44%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.12%).

Advertencia: Para 'installment' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.88%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.11%).

Advertencia: Para 'installment' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.89%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'employ__desempleado' = 0 (95.35%).

Advertencia: Para 'installment' = 3, la proporción de 'employ__desempleado' = 1 es muy baja (4.65%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.19%).

Advertencia: Para 'installment' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.81%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'others__co-deudor' = 0 (96.12%).

Advertencia: Para 'installment' = 3, la proporción de 'others__co-deudor' = 1 es muy baja (3.88%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (95.60%).

Advertencia: Para 'installment' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (4.40%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'others__garante' = 0 (95.85%).

Advertencia: Para 'installment' = 4, la proporción de 'others__garante' = 1 es muy baja (4.15%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.19%).

Advertencia: Para 'installment' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.81%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'otherplans__banco' = 0 (95.56%).

Advertencia: Para 'installment' = 2, la proporción de 'otherplans__banco' = 1 es muy baja (4.44%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'otherplans__banco' = 0 (97.67%).

Advertencia: Para 'installment' = 3, la proporción de 'otherplans__banco' = 1 es muy baja (2.33%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'housing__gratis' = 0 (95.24%).

Advertencia: Para 'installment' = 1, la proporción de 'housing__gratis' = 1 es muy baja (4.76%).

Nota: Para 'installment' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.24%).

Advertencia: Para 'installment' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.76%).

Nota: Para 'installment' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).

Advertencia: Para 'installment' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.22%).

Advertencia: Para 'installment' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.78%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.45%).

Advertencia: Para 'installment' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.55%).

Nota: Para 'installment' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.35%).

Advertencia: Para 'installment' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.65%).

Nota: Para 'installment' = 4, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.41%).

Advertencia: Para 'installment' = 4, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.59%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 20 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 21 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 23 es muy baja (1.87%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 29 es muy baja (4.67%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 30 es muy baja (3.74%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 31 es muy baja (1.87%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 32 es muy baja (4.67%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 34 es muy baja (4.67%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 36 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 37 es muy baja (4.67%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 38 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 39 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 40 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 41 es muy baja (2.80%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 42 es muy baja (3.74%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 43 es muy baja (1.87%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 44 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 45 es muy baja (2.80%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 46 es muy baja (1.87%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 47 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 48 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 49 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 50 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 51 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 52 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 54 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 55 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 59 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 60 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 61 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 63 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 64 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 74 es muy baja (0.93%).

Advertencia: Para 'residence' = 1, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 20 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 21 es muy baja (1.22%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 22 es muy baja (2.45%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 23 es muy baja (4.49%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 33 es muy baja (4.49%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 34 es muy baja (2.86%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 35 es muy baja (4.90%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 36 es muy baja (2.04%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 37 es muy baja (3.27%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 38 es muy baja (2.04%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 39 es muy baja (1.22%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 40 es muy baja (2.04%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 41 es muy baja (2.04%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 42 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 43 es muy baja (1.22%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 44 es muy baja (1.22%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 45 es muy baja (1.22%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 46 es muy baja (2.04%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 47 es muy baja (0.82%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 48 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 49 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 50 es muy baja (0.82%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 51 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 52 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 54 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 55 es muy baja (0.82%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 58 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 59 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 60 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 61 es muy baja (0.82%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 63 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 64 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 66 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 68 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 74 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'age' = 75 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 20 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 21 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 22 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 23 es muy baja (2.59%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 24 es muy baja (2.59%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 25 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 26 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 28 es muy baja (3.45%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 29 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 31 es muy baja (3.45%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 32 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 33 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 34 es muy baja (3.45%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 35 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 36 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 37 es muy baja (4.31%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 39 es muy baja (2.59%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 41 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 42 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 43 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 44 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 45 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 46 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 47 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 48 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 49 es muy baja (2.59%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 50 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 51 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 52 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 53 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 54 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 55 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 56 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 57 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 58 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 59 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 60 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 61 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 62 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 63 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 64 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 65 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 66 es muy baja (1.72%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 67 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 68 es muy baja (0.86%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 70 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'age' = 75 es muy baja (0.86%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 20 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 21 es muy baja (1.51%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 22 es muy baja (3.01%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 24 es muy baja (3.61%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 25 es muy baja (2.41%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 26 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 27 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 28 es muy baja (3.01%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 29 es muy baja (2.11%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 30 es muy baja (1.51%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 31 es muy baja (3.01%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 32 es muy baja (1.51%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 33 es muy baja (0.90%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 34 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 35 es muy baja (3.01%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 37 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 38 es muy baja (2.11%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 39 es muy baja (3.31%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 40 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 41 es muy baja (1.51%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 42 es muy baja (3.01%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 43 es muy baja (2.71%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 44 es muy baja (2.11%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 45 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 46 es muy baja (1.81%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 47 es muy baja (1.81%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 48 es muy baja (2.11%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 49 es muy baja (2.11%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 50 es muy baja (1.51%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 51 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 52 es muy baja (1.81%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 53 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 54 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 55 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 56 es muy baja (0.60%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 57 es muy baja (1.81%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 58 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 59 es muy baja (0.60%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 60 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 61 es muy baja (0.90%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 62 es muy baja (0.60%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 63 es muy baja (2.41%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 64 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 65 es muy baja (1.20%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 66 es muy baja (0.90%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 67 es muy baja (0.30%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 68 es muy baja (0.60%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 70 es muy baja (0.30%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 74 es muy baja (0.00%).

Advertencia: Para 'residence' = 4, la proporción de 'age' = 75 es muy baja (0.30%).

Advertencia: Para 'residence' = 1, la proporción de 'cards' = 3 es muy baja (2.80%).

Advertencia: Para 'residence' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'residence' = 2, la proporción de 'cards' = 3 es muy baja (0.41%).

Advertencia: Para 'residence' = 2, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'residence' = 3, la proporción de 'cards' = 3 es muy baja (3.45%).

Advertencia: Para 'residence' = 3, la proporción de 'cards' = 4 es muy baja (0.86%).

Advertencia: Para 'residence' = 4, la proporción de 'cards' = 3 es muy baja (3.92%).

Advertencia: Para 'residence' = 4, la proporción de 'cards' = 4 es muy baja (0.90%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'foreign' = 0 (97.20%).

Advertencia: Para 'residence' = 1, la proporción de 'foreign' = 1 es muy baja (2.80%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'foreign' = 0 (95.69%).

Advertencia: Para 'residence' = 3, la proporción de 'foreign' = 1 es muy baja (4.31%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'foreign' = 0 (98.19%).

Advertencia: Para 'residence' = 4, la proporción de 'foreign' = 1 es muy baja (1.81%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (98.28%).

Advertencia: Para 'residence' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (1.72%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.33%).

Advertencia: Para 'residence' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.67%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.69%).

Advertencia: Para 'residence' = 3, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.31%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.78%).

Advertencia: Para 'residence' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.22%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.20%).

Advertencia: Para 'residence' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.80%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.73%).

Advertencia: Para 'residence' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.27%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.41%).

Advertencia: Para 'residence' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.59%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (95.33%).

Advertencia: Para 'residence' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (4.67%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__educación' = 0 (96.73%).

Advertencia: Para 'residence' = 2, la proporción de 'purpose__educación' = 1 es muy baja (3.27%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__educación' = 0 (96.55%).

Advertencia: Para 'residence' = 3, la proporción de 'purpose__educación' = 1 es muy baja (3.45%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.13%).

Advertencia: Para 'residence' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.87%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.18%).

Advertencia: Para 'residence' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.82%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.14%).

Advertencia: Para 'residence' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.86%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.10%).

Advertencia: Para 'residence' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.90%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'residence' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__otros' = 0 (99.18%).

Advertencia: Para 'residence' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.82%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__otros' = 0 (97.41%).

Advertencia: Para 'residence' = 3, la proporción de 'purpose__otros' = 1 es muy baja (2.59%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).

Advertencia: Para 'residence' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.20%).

Advertencia: Para 'residence' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.80%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.96%).

Advertencia: Para 'residence' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.04%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.28%).

Advertencia: Para 'residence' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.72%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.99%).

Advertencia: Para 'residence' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.01%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'residence' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.59%).

Advertencia: Para 'residence' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.41%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (97.41%).

Advertencia: Para 'residence' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (2.59%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).

Advertencia: Para 'residence' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.33%).

Advertencia: Para 'residence' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.67%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (98.13%).

Advertencia: Para 'residence' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (1.87%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.39%).

Advertencia: Para 'residence' = 4, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.61%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.20%).

Advertencia: Para 'residence' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.80%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'employ__desempleado' = 0 (95.69%).

Advertencia: Para 'residence' = 3, la proporción de 'employ__desempleado' = 1 es muy baja (4.31%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.33%).

Advertencia: Para 'residence' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.67%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (96.33%).

Advertencia: Para 'residence' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (3.67%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (96.08%).

Advertencia: Para 'residence' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (3.92%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'others__garante' = 0 (95.69%).

Advertencia: Para 'residence' = 3, la proporción de 'others__garante' = 1 es muy baja (4.31%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'others__garante' = 0 (95.48%).

Advertencia: Para 'residence' = 4, la proporción de 'others__garante' = 1 es muy baja (4.52%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'otherplans__banco' = 0 (96.39%).

Advertencia: Para 'residence' = 4, la proporción de 'otherplans__banco' = 1 es muy baja (3.61%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'housing__gratis' = 0 (96.26%).

Advertencia: Para 'residence' = 1, la proporción de 'housing__gratis' = 1 es muy baja (3.74%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'housing__gratis' = 0 (95.51%).

Advertencia: Para 'residence' = 2, la proporción de 'housing__gratis' = 1 es muy baja (4.49%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'housing__gratis' = 0 (97.41%).

Advertencia: Para 'residence' = 3, la proporción de 'housing__gratis' = 1 es muy baja (2.59%).

Nota: Para 'residence' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.33%).

Advertencia: Para 'residence' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.67%).

Nota: Para 'residence' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.37%).

Advertencia: Para 'residence' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.63%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.28%).

Advertencia: Para 'residence' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.72%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.19%).

Advertencia: Para 'residence' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.81%).

Nota: Para 'residence' = 4, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.48%).

Advertencia: Para 'residence' = 4, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.52%).

Nota: Para 'residence' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.69%).

Advertencia: Para 'residence' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.31%).

Advertencia: Para 'age' = 20, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 20, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 21, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 21, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'cards' = 1 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'cards' = 2 es muy baja (4.00%).

Advertencia: Para 'age' = 22, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 22, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 23, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 23, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 24, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 24, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 25, la proporción de 'cards' = 3 es muy baja (2.94%).

Advertencia: Para 'age' = 25, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 26, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 26, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 27, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 27, la proporción de 'cards' = 4 es muy baja (2.22%).

Advertencia: Para 'age' = 28, la proporción de 'cards' = 3 es muy baja (2.70%).

Advertencia: Para 'age' = 28, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 29, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 29, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 30, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 30, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 31, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 31, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 32, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 32, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 33, la proporción de 'cards' = 3 es muy baja (3.85%).

Advertencia: Para 'age' = 33, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 34, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 34, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 35, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 35, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 36, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 37, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 38, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 39, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 40, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 41, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 41, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 42, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 44, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 44, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 45, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 45, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 46, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 46, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 47, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 48, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 49, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 49, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 50, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 50, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 51, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 51, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 52, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 53, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 53, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 54, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 54, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 55, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'cards' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 57, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 58, la proporción de 'cards' = 3 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'cards' = 1 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 59, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 59, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 60, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 60, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 61, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 61, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'cards' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 62, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 62, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 63, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 63, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'cards' = 1 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 64, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 64, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 65, la proporción de 'cards' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 65, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 66, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'cards' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'cards' = 2 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 68, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'cards' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'cards' = 2 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'cards' = 4 es muy baja (0.00%).

Advertencia: Para 'age' = 75, la proporción de 'cards' = 3 es muy baja (0.00%).

Advertencia: Para 'age' = 75, la proporción de 'cards' = 4 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'liable' = 1 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'liable' = 2 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 27, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'liable' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'liable' = 2 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'foreign' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'foreign' = 1 es muy baja (4.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 28, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'foreign' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'foreign' = 1 es muy baja (3.03%).

Nota: Para 'age' = 31, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 31, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'foreign' = 0 (96.15%).

Advertencia: Para 'age' = 33, la proporción de 'foreign' = 1 es muy baja (3.85%).

Nota: Para 'age' = 34, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 37, casi todos pertenecen a 'foreign' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'foreign' = 1 es muy baja (3.70%).

Nota: Para 'age' = 41, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.44%).

Nota: Para 'age' = 30, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (3.33%).

Nota: Para 'age' = 32, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'existingchecking__sin cuenta corriente' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 75, la proporción de 'existingchecking__sin cuenta corriente' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'existingchecking__sin saldo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__sin saldo' = 1 (100.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 62, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (4.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 65, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.63%).

Nota: Para 'age' = 24, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.86%).

Nota: Para 'age' = 27, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.22%).

Nota: Para 'age' = 30, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.03%).

Nota: Para 'age' = 35, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.03%).

Nota: Para 'age' = 37, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 40, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (4.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.15%).

Advertencia: Para 'age' = 33, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (3.85%).

Nota: Para 'age' = 38, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.63%).

Nota: Para 'age' = 24, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.94%).

Nota: Para 'age' = 27, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.44%).

Nota: Para 'age' = 28, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.45%).

Nota: Para 'age' = 31, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.33%).

Nota: Para 'age' = 33, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.03%).

Nota: Para 'age' = 36, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.55%).

Advertencia: Para 'age' = 36, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.45%).

Nota: Para 'age' = 37, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.70%).

Nota: Para 'age' = 38, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__coche nuevo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__coche nuevo' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__coche nuevo' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__coche nuevo' = 1 (100.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__coche usado' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__coche usado' = 1 es muy baja (4.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__coche usado' = 0 (96.43%).

Advertencia: Para 'age' = 32, la proporción de 'purpose__coche usado' = 1 es muy baja (3.57%).

Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__coche usado' = 0 (96.15%).

Advertencia: Para 'age' = 33, la proporción de 'purpose__coche usado' = 1 es muy baja (3.85%).

Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__educación' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__educación' = 1 es muy baja (2.94%).

Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__educación' = 0 (97.22%).

Advertencia: Para 'age' = 26, la proporción de 'purpose__educación' = 1 es muy baja (2.78%).

Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__educación' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'purpose__educación' = 1 es muy baja (4.44%).

Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__educación' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'purpose__educación' = 1 es muy baja (3.03%).

Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__educación' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'purpose__educación' = 1 es muy baja (3.33%).

Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__educación' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'purpose__educación' = 1 es muy baja (4.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (4.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.63%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.22%).

Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 31, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (3.70%).

Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 40, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__negocios' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__negocios' = 1 es muy baja (4.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__negocios' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'purpose__negocios' = 1 es muy baja (3.03%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__otros' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'purpose__otros' = 1 es muy baja (2.22%).

Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__otros' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'purpose__otros' = 1 es muy baja (3.45%).

Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__otros' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'purpose__otros' = 1 es muy baja (3.33%).

Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__otros' = 0 (96.43%).

Advertencia: Para 'age' = 32, la proporción de 'purpose__otros' = 1 es muy baja (3.57%).

Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__radio/TV' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__radio/TV' = 1 (100.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.94%).

Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.22%).

Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.70%).

Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.03%).

Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 31, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 40, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__retraining' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'purpose__retraining' = 1 es muy baja (2.22%).

Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__retraining' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'purpose__retraining' = 1 es muy baja (3.33%).

Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__retraining' = 0 (96.55%).

Advertencia: Para 'age' = 36, la proporción de 'purpose__retraining' = 1 es muy baja (3.45%).

Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.94%).

Nota: Para 'age' = 27, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.22%).

Nota: Para 'age' = 29, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.45%).

Nota: Para 'age' = 31, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.33%).

Nota: Para 'age' = 33, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.45%).

Nota: Para 'age' = 30, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.03%).

Nota: Para 'age' = 31, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.33%).

Nota: Para 'age' = 33, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.03%).

Nota: Para 'age' = 37, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.70%).

Nota: Para 'age' = 39, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 40, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (96.55%).

Advertencia: Para 'age' = 36, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (3.45%).

Nota: Para 'age' = 37, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (3.70%).

Nota: Para 'age' = 44, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 28, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (2.70%).

Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo superior a 1000 DM' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'employ__desempleado' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'employ__desempleado' = 1 es muy baja (2.63%).

Nota: Para 'age' = 24, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'employ__desempleado' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'employ__desempleado' = 1 es muy baja (2.94%).

Nota: Para 'age' = 26, casi todos pertenecen a 'employ__desempleado' = 0 (97.22%).

Advertencia: Para 'age' = 26, la proporción de 'employ__desempleado' = 1 es muy baja (2.78%).

Nota: Para 'age' = 28, casi todos pertenecen a 'employ__desempleado' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'employ__desempleado' = 1 es muy baja (2.70%).

Nota: Para 'age' = 31, casi todos pertenecen a 'employ__desempleado' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'employ__desempleado' = 1 es muy baja (3.33%).

Nota: Para 'age' = 32, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'employ__desempleado' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'employ__desempleado' = 1 es muy baja (3.03%).

Nota: Para 'age' = 37, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'employ__desempleado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'employ__desempleado' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 75, la proporción de 'employ__desempleado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'employ__desempleado' = 1 (100.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'employ__empleado de 1 a 4 años' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 1 (100.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (96.55%).

Advertencia: Para 'age' = 36, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (3.45%).

Nota: Para 'age' = 42, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (4.44%).

Advertencia: Para 'age' = 56, la proporción de 'employ__empleado más de 7 años' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado más de 7 años' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'employ__empleado más de 7 años' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado más de 7 años' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).

Advertencia: Para 'age' = 22, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'others__co-deudor' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'others__co-deudor' = 1 es muy baja (2.63%).

Nota: Para 'age' = 25, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 28, casi todos pertenecen a 'others__co-deudor' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'others__co-deudor' = 1 es muy baja (2.70%).

Nota: Para 'age' = 30, casi todos pertenecen a 'others__co-deudor' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'others__co-deudor' = 1 es muy baja (3.03%).

Nota: Para 'age' = 31, casi todos pertenecen a 'others__co-deudor' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'others__co-deudor' = 1 es muy baja (3.33%).

Nota: Para 'age' = 32, casi todos pertenecen a 'others__co-deudor' = 0 (96.43%).

Advertencia: Para 'age' = 32, la proporción de 'others__co-deudor' = 1 es muy baja (3.57%).

Nota: Para 'age' = 33, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).

Advertencia: Para 'age' = 33, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).

Nota: Para 'age' = 34, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'others__co-deudor' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'others__co-deudor' = 1 es muy baja (3.03%).

Nota: Para 'age' = 37, casi todos pertenecen a 'others__co-deudor' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'others__co-deudor' = 1 es muy baja (3.70%).

Nota: Para 'age' = 40, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'others__garante' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'others__garante' = 1 es muy baja (2.86%).

Nota: Para 'age' = 27, casi todos pertenecen a 'others__garante' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'others__garante' = 1 es muy baja (2.22%).

Nota: Para 'age' = 30, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'others__garante' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'others__garante' = 1 es muy baja (3.33%).

Nota: Para 'age' = 35, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 35, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 30, la proporción de 'others__ninguno' = 0 es muy baja (3.03%).

Nota: Para 'age' = 30, casi todos pertenecen a 'others__ninguno' = 1 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'others__ninguno' = 0 es muy baja (3.03%).

Nota: Para 'age' = 35, casi todos pertenecen a 'others__ninguno' = 1 (96.97%).

Advertencia: Para 'age' = 41, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'property__bienes inmuebles' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'property__bienes inmuebles' = 1 (100.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'property__bienes inmuebles' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'property__bienes inmuebles' = 1 (100.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'property__sin propiedad' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'property__sin propiedad' = 1 es muy baja (2.94%).

Nota: Para 'age' = 26, casi todos pertenecen a 'property__sin propiedad' = 0 (97.22%).

Advertencia: Para 'age' = 26, la proporción de 'property__sin propiedad' = 1 es muy baja (2.78%).

Nota: Para 'age' = 31, casi todos pertenecen a 'property__sin propiedad' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'property__sin propiedad' = 1 es muy baja (3.33%).

Nota: Para 'age' = 43, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'property__sin propiedad' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'property__sin propiedad' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'otherplans__banco' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'otherplans__banco' = 1 es muy baja (2.86%).

Nota: Para 'age' = 26, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).

Advertencia: Para 'age' = 26, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).

Nota: Para 'age' = 27, casi todos pertenecen a 'otherplans__banco' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'otherplans__banco' = 1 es muy baja (2.22%).

Nota: Para 'age' = 28, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).

Nota: Para 'age' = 29, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'otherplans__banco' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'otherplans__banco' = 1 es muy baja (3.03%).

Nota: Para 'age' = 44, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'otherplans__ninguno' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'otherplans__ninguno' = 1 es muy baja (4.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'otherplans__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__ninguno' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 53, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'housing__alquiler' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'housing__alquiler' = 1 es muy baja (4.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'housing__gratis' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'housing__gratis' = 1 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 25, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 26, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 26, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 27, casi todos pertenecen a 'housing__gratis' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'housing__gratis' = 1 es muy baja (4.44%).

Nota: Para 'age' = 28, casi todos pertenecen a 'housing__gratis' = 0 (97.30%).

Advertencia: Para 'age' = 28, la proporción de 'housing__gratis' = 1 es muy baja (2.70%).

Nota: Para 'age' = 29, casi todos pertenecen a 'housing__gratis' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'housing__gratis' = 1 es muy baja (3.45%).

Nota: Para 'age' = 31, casi todos pertenecen a 'housing__gratis' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'housing__gratis' = 1 es muy baja (3.33%).

Nota: Para 'age' = 33, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 40, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 40, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'housing__gratis' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'housing__gratis' = 1 (100.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 65, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 74, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.63%).

Nota: Para 'age' = 24, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.94%).

Nota: Para 'age' = 48, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 70, la proporción de 'job__altamente calificado/funcionario' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'job__altamente calificado/funcionario' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'job__altamente calificado/funcionario' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'job__altamente calificado/funcionario' = 1 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'job__calificado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'job__calificado' = 1 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'job__calificado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'job__calificado' = 1 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'job__calificado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'job__calificado' = 1 (100.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'job__calificado' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'job__calificado' = 1 (100.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.37%).

Advertencia: Para 'age' = 23, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.63%).

Nota: Para 'age' = 24, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 24, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 25, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).

Nota: Para 'age' = 27, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.56%).

Advertencia: Para 'age' = 27, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.44%).

Nota: Para 'age' = 28, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 28, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 29, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.55%).

Advertencia: Para 'age' = 29, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.45%).

Nota: Para 'age' = 30, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 30, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 31, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 32, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 32, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 33, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 33, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 34, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 34, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.03%).

Nota: Para 'age' = 36, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 36, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 37, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 39, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 43, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 43, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 46, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 46, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 47, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 47, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 48, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 48, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 61, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 61, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'job__no calificado residente' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'job__no calificado residente' = 1 es muy baja (3.03%).

Nota: Para 'age' = 53, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'telephone__no' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'telephone__no' = 1 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'telephone__no' = 0 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'telephone__no' = 1 (100.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'telephone__no' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'telephone__no' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'telephone__no' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'telephone__no' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'telephone__no' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'telephone__no' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 67, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).

Nota: Para 'age' = 31, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.67%).

Advertencia: Para 'age' = 31, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.33%).

Nota: Para 'age' = 34, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.00%).

Nota: Para 'age' = 36, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.55%).

Advertencia: Para 'age' = 36, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.45%).

Nota: Para 'age' = 37, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 37, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 38, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 38, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 42, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 42, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 44, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 44, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 45, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 45, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 49, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 49, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 51, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 51, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 60, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 60, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'age' = 20, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 20, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 21, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 21, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 22, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 22, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 23, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 23, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 24, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.14%).

Advertencia: Para 'age' = 24, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.86%).

Nota: Para 'age' = 25, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.06%).

Advertencia: Para 'age' = 25, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.94%).

Nota: Para 'age' = 27, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.78%).

Advertencia: Para 'age' = 27, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.22%).

Nota: Para 'age' = 29, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 29, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 30, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.97%).

Advertencia: Para 'age' = 30, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.03%).

Nota: Para 'age' = 32, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.43%).

Advertencia: Para 'age' = 32, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.57%).

Nota: Para 'age' = 34, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.00%).

Advertencia: Para 'age' = 34, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.00%).

Nota: Para 'age' = 35, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.97%).

Advertencia: Para 'age' = 35, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.03%).

Nota: Para 'age' = 37, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.30%).

Advertencia: Para 'age' = 37, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.70%).

Nota: Para 'age' = 39, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 39, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 41, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 41, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 50, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 50, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 52, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 52, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 53, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 53, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 54, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 54, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 55, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 55, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 56, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 57, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 57, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 58, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 58, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 59, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 59, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 63, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 64, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 64, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 65, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 65, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 66, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 66, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'age' = 75, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'age' = 75, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 56, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Nota: Para 'age' = 62, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).

Advertencia: Para 'age' = 62, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).

Advertencia: Para 'age' = 63, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Advertencia: Para 'age' = 67, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Advertencia: Para 'age' = 68, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Advertencia: Para 'age' = 70, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Advertencia: Para 'age' = 74, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).

Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'foreign' = 0 (95.81%).

Advertencia: Para 'cards' = 1, la proporción de 'foreign' = 1 es muy baja (4.19%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'foreign' = 0 (97.81%).

Advertencia: Para 'cards' = 2, la proporción de 'foreign' = 1 es muy baja (2.19%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'foreign' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'foreign' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'foreign' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'foreign' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.99%).

Advertencia: Para 'cards' = 2, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.01%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (98.00%).

Advertencia: Para 'cards' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.21%).

Advertencia: Para 'cards' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (3.79%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.81%).

Advertencia: Para 'cards' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.19%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.01%).

Advertencia: Para 'cards' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.99%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__educación' = 0 (95.62%).

Advertencia: Para 'cards' = 2, la proporción de 'purpose__educación' = 1 es muy baja (4.38%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.40%).

Advertencia: Para 'cards' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.60%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'cards' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.20%).

Advertencia: Para 'cards' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.80%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.54%).

Advertencia: Para 'cards' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.46%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.20%).

Advertencia: Para 'cards' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.80%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.35%).

Advertencia: Para 'cards' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.65%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.20%).

Advertencia: Para 'cards' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.80%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (98.91%).

Advertencia: Para 'cards' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (1.09%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.99%).

Advertencia: Para 'cards' = 2, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.01%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.21%).

Advertencia: Para 'cards' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.79%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (95.99%).

Advertencia: Para 'cards' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (4.01%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.81%).

Advertencia: Para 'cards' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.19%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'others__garante' = 0 (95.62%).

Advertencia: Para 'cards' = 2, la proporción de 'others__garante' = 1 es muy baja (4.38%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'cards' = 3, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'property__seguro de vida' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'property__seguro de vida' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.41%).

Advertencia: Para 'cards' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.59%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'otherplans__banco' = 0 (95.24%).

Advertencia: Para 'cards' = 3, la proporción de 'otherplans__banco' = 1 es muy baja (4.76%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.40%).

Advertencia: Para 'cards' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.60%).

Nota: Para 'cards' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.54%).

Advertencia: Para 'cards' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.46%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.01%).

Advertencia: Para 'cards' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.99%).

Nota: Para 'cards' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'cards' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'cards' = 4, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'cards' = 4, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'foreign' = 0 (97.01%).

Advertencia: Para 'liable' = 1, la proporción de 'foreign' = 1 es muy baja (2.99%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.96%).

Advertencia: Para 'liable' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.04%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.56%).

Advertencia: Para 'liable' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.44%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.67%).

Advertencia: Para 'liable' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.33%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.80%).

Advertencia: Para 'liable' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.20%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'liable' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).

Advertencia: Para 'liable' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.47%).

Advertencia: Para 'liable' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.53%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.61%).

Advertencia: Para 'liable' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.39%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.95%).

Advertencia: Para 'liable' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.05%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).

Advertencia: Para 'liable' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.24%).

Advertencia: Para 'liable' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.76%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.42%).

Advertencia: Para 'liable' = 2, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.58%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.52%).

Advertencia: Para 'liable' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.48%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.42%).

Advertencia: Para 'liable' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.58%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (95.42%).

Advertencia: Para 'liable' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (4.58%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.22%).

Advertencia: Para 'liable' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.78%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (96.95%).

Advertencia: Para 'liable' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (3.05%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'others__garante' = 0 (95.52%).

Advertencia: Para 'liable' = 1, la proporción de 'others__garante' = 1 es muy baja (4.48%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.07%).

Advertencia: Para 'liable' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.93%).

Nota: Para 'liable' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).

Advertencia: Para 'liable' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.71%).

Advertencia: Para 'liable' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.29%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (98.47%).

Advertencia: Para 'liable' = 2, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (1.53%).

Nota: Para 'liable' = 2, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.71%).

Advertencia: Para 'liable' = 2, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.29%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.85%).

Advertencia: Para 'foreign' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.15%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.98%).

Advertencia: Para 'foreign' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.02%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.57%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.21%).

Advertencia: Para 'foreign' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.79%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).

Advertencia: Para 'foreign' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (3.57%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).

Advertencia: Para 'foreign' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__otros' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__otros' = 1 es muy baja (3.57%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.54%).

Advertencia: Para 'foreign' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.46%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.57%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.09%).

Advertencia: Para 'foreign' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.91%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.73%).

Advertencia: Para 'foreign' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.27%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.73%).

Advertencia: Para 'foreign' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.27%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'others__garante' = 0 (95.21%).

Advertencia: Para 'foreign' = 0, la proporción de 'others__garante' = 1 es muy baja (4.79%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (3.57%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'foreign' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'foreign' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.06%).

Advertencia: Para 'foreign' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.94%).

Nota: Para 'foreign' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.43%).

Advertencia: Para 'foreign' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.57%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.83%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.17%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.33%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.67%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.02%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.98%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__educación' = 0 (97.51%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__educación' = 1 es muy baja (2.49%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.66%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.34%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.33%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.67%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.01%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.99%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.02%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.98%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.33%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.67%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.51%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.49%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.52%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.48%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.16%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.84%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.52%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.48%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.33%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.67%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.49%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.51%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.52%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.48%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'others__garante' = 0 (95.83%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'others__garante' = 1 es muy baja (4.17%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.00%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.00%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.51%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.49%).

Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.33%).

Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.67%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.73%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.27%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.08%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.92%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.99%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.01%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.08%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.92%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (96.08%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (3.92%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.59%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.41%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.07%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.93%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.04%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.96%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.93%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.07%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.33%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.67%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.07%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.93%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.46%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.54%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.08%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.92%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (98.04%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (1.96%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.46%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.54%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.08%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.92%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (98.04%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (1.96%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.06%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.94%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.26%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.74%).

Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.19%).

Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.81%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.83%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.17%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.56%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.44%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.00%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (4.00%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.87%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.13%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.65%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.35%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.30%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.70%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.22%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.78%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.13%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.87%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.67%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.33%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.39%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.61%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.78%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.22%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.96%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.04%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.56%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.44%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.33%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.67%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.78%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.22%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (95.56%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (4.44%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.30%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.70%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.35%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.65%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'others__garante' = 0 (95.83%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'others__garante' = 1 es muy baja (4.17%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.00%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.00%).

Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.78%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.22%).

Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.11%).

Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.89%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.83%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.17%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.14%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.86%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.60%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.40%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.05%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.95%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.95%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.05%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.07%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.93%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.53%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.47%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.69%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.31%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.27%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.73%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.83%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.17%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.16%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.84%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.07%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.93%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.23%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.77%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.06%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.94%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.59%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.41%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.90%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.10%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'others__garante' = 0 (97.83%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'others__garante' = 1 es muy baja (2.17%).

Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).

Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.07%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.93%).

Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.59%).

Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.41%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.76%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.24%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.12%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.88%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.40%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.60%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.53%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.47%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.07%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.93%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.88%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.12%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.47%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.53%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.82%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.18%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.24%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.76%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (95.53%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (4.47%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.06%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.94%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'others__garante' = 0 (96.53%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'others__garante' = 1 es muy baja (3.47%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.47%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.53%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.07%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.93%).

Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.59%).

Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.41%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__educación' = 0 (96.03%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__educación' = 1 es muy baja (3.97%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.56%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.44%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.78%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.22%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.56%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.44%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.92%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.08%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.59%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.41%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.21%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.79%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.67%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.33%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.12%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.88%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'others__garante' = 0 (96.75%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'others__garante' = 1 es muy baja (3.25%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.34%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.66%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.38%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.62%).

Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.75%).

Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.25%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.82%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.18%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.17%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.83%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__otros' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__otros' = 1 es muy baja (2.94%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.65%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.35%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.22%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.78%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (2.94%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.94%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.30%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.70%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__garante' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__garante' = 1 es muy baja (2.94%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__ninguno' = 0 es muy baja (2.94%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__ninguno' = 1 (97.06%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.94%).

Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).

Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).

Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).

Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.66%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.34%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.25%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.75%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__educación' = 0 (96.83%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__educación' = 1 es muy baja (3.17%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.91%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.09%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.05%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.95%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.41%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.59%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.69%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.31%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (95.24%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.76%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.05%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.95%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.83%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.17%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.66%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.34%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.25%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.75%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.41%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.59%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__ninguno' = 0 es muy baja (1.59%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__ninguno' = 1 (98.41%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.66%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.34%).

Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.69%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.31%).

Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.44%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.56%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (96.88%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (3.12%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.40%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.60%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.09%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.91%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.44%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.56%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.88%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.12%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.57%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.43%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'others__garante' = 0 (95.18%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'others__garante' = 1 es muy baja (4.82%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.57%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.43%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.05%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.95%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.88%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.12%).

Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.70%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.30%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.70%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.30%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.75%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.25%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.86%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.14%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.14%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.86%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.68%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.32%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.28%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.72%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.61%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.39%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.14%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.86%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'others__garante' = 0 (95.68%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'others__garante' = 1 es muy baja (4.32%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).

Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.86%).

Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.14%).

Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.14%).

Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.86%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.89%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.11%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.89%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.11%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.21%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.79%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.03%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.97%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.34%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.66%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.68%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.32%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.13%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.87%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.78%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.22%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__garante' = 0 (96.34%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__garante' = 1 es muy baja (3.66%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.88%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.12%).

Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.63%).

Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.37%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.34%).

Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.66%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.95%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.05%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.95%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.05%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.38%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.62%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.08%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.92%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.41%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.59%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.30%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.70%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.30%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.70%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.28%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.72%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).

Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.90%).

Advertencia: Para 'purpose__educación' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.10%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.30%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.70%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.30%).

Advertencia: Para 'purpose__educación' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.70%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.99%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.01%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.12%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.88%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.45%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.55%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__calificado' = 0 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__calificado' = 1 (100.00%).

Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.85%).

Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.15%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.77%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.23%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.92%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.08%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.92%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.08%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.69%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.31%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'others__garante' = 0 (95.33%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'others__garante' = 1 es muy baja (4.67%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.54%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.46%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.33%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.67%).

Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.67%).

Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.33%).

Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.38%).

Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.62%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.89%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.11%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.23%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.77%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.03%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.97%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.15%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.85%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.57%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.43%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.15%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.85%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.29%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.71%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.44%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.56%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'others__garante' = 0 (97.44%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'others__garante' = 1 es muy baja (2.56%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.43%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.57%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'housing__gratis' = 0 (96.15%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'housing__gratis' = 1 es muy baja (3.85%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.92%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.08%).

Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.44%).

Advertencia: Para 'purpose__negocios' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.56%).

Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.57%).

Advertencia: Para 'purpose__negocios' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.43%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).

Advertencia: Para 'purpose__otros' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.12%).

Advertencia: Para 'purpose__otros' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.88%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).

Advertencia: Para 'purpose__otros' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.83%).

Advertencia: Para 'purpose__otros' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.17%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.85%).

Advertencia: Para 'purpose__otros' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.15%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'telephone__no' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'telephone__no' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'purpose__otros' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.52%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.48%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.78%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.22%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.30%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.70%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.13%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.87%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.44%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.56%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.78%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.22%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'others__garante' = 0 (96.00%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'others__garante' = 1 es muy baja (4.00%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'housing__gratis' = 0 (95.56%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'housing__gratis' = 1 es muy baja (4.44%).

Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).

Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.56%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.44%).

Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (98.22%).

Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (1.78%).

Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).

Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).

Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).

Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).

Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.64%).

Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.36%).

Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.51%).

Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.49%).

Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).

Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).

Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.08%).

Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.92%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.46%).

Advertencia: Para 'purpose__retraining' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.54%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.46%).

Advertencia: Para 'purpose__retraining' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.54%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.86%).

Advertencia: Para 'purpose__retraining' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.14%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'purpose__retraining' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.21%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.79%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.92%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.08%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.21%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.79%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.83%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.17%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.87%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.13%).

Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.92%).

Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.08%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.42%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.58%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.22%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.78%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (2.78%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (97.22%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.03%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.97%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).

Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).

Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.79%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.21%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (96.55%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (3.45%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.40%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.60%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.62%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.38%).

Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.64%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.36%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.08%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.92%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.32%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.68%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (97.99%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (2.01%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.70%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.30%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.97%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.03%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.70%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.30%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.66%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.34%).

Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.97%).

Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.03%).

Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (96.25%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (3.75%).

Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.56%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.44%).

Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'others__garante' = 0 (98.12%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'others__garante' = 1 es muy baja (1.88%).

Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.31%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.69%).

Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.75%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.25%).

Nota: Para 'savings__sin cuenta de ahorros' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.29%).

Advertencia: Para 'savings__sin cuenta de ahorros' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.71%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.90%).

Advertencia: Para 'employ__desempleado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.10%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.11%).

Advertencia: Para 'employ__desempleado' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.89%).

Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.34%).

Advertencia: Para 'employ__desempleado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.66%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (97.67%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (2.33%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.35%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.65%).

Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.67%).

Advertencia: Para 'employ__desempleado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.33%).

Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.51%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.49%).

Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.47%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.53%).

Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'others__garante' = 0 (96.26%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'others__garante' = 1 es muy baja (3.74%).

Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.33%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.67%).

Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.01%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.99%).

Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.62%).

Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.38%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 4 a 7 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.43%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.57%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.80%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.20%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'others__garante' = 0 (95.10%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'others__garante' = 1 es muy baja (4.90%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.50%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.50%).

Nota: Para 'employ__empleado de 4 a 7 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.41%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.59%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.20%).

Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.80%).

Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).

Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado menos de 1 año' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).

Advertencia: Para 'employ__empleado menos de 1 año' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).

Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.45%).

Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.55%).

Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'others__garante' = 0 (95.74%).

Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'others__garante' = 1 es muy baja (4.26%).

Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'housing__gratis' = 0 (97.87%).

Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'housing__gratis' = 1 es muy baja (2.13%).

Nota: Para 'employ__empleado menos de 1 año' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.03%).

Advertencia: Para 'employ__empleado menos de 1 año' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.97%).

Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.16%).

Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.84%).

Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.27%).

Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.73%).

Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).

Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).

Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'others__garante' = 0 (96.63%).

Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'others__garante' = 1 es muy baja (3.37%).

Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.15%).

Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.85%).

Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.13%).

Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.87%).

Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.67%).

Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.33%).

Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.10%).

Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.90%).

Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).

Advertencia: Para 'others__co-deudor' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).

Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'others__ninguno' = 0 (100.00%).

Advertencia: Para 'others__co-deudor' = 1, la proporción de 'others__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).

Advertencia: Para 'others__co-deudor' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).

Nota: Para 'others__co-deudor' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.04%).

Advertencia: Para 'others__co-deudor' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.96%).

Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'others__co-deudor' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Advertencia: Para 'others__garante' = 0, la proporción de 'others__ninguno' = 0 es muy baja (4.74%).

Nota: Para 'others__garante' = 0, casi todos pertenecen a 'others__ninguno' = 1 (95.26%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'others__ninguno' = 0 (100.00%).

Advertencia: Para 'others__garante' = 1, la proporción de 'others__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (95.12%).

Advertencia: Para 'others__garante' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (4.88%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.56%).

Advertencia: Para 'others__garante' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.44%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'housing__gratis' = 0 (97.56%).

Advertencia: Para 'others__garante' = 1, la proporción de 'housing__gratis' = 1 es muy baja (2.44%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.56%).

Advertencia: Para 'others__garante' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.44%).

Nota: Para 'others__garante' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.76%).

Advertencia: Para 'others__garante' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.24%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'others__garante' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'others__garante' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).

Advertencia: Para 'others__garante' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).

Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (97.40%).

Advertencia: Para 'others__ninguno' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (2.60%).

Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.40%).

Advertencia: Para 'others__ninguno' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.60%).

Nota: Para 'others__ninguno' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.93%).

Advertencia: Para 'others__ninguno' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.07%).

Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (98.70%).

Advertencia: Para 'others__ninguno' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (1.30%).

Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).

Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).

Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.16%).

Advertencia: Para 'property__automóvil' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.84%).

Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'housing__gratis' = 0 (99.62%).

Advertencia: Para 'property__automóvil' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.38%).

Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.77%).

Advertencia: Para 'property__automóvil' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.23%).

Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.10%).

Advertencia: Para 'property__automóvil' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.90%).

Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.16%).

Advertencia: Para 'property__automóvil' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.84%).

Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).

Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).

Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'housing__gratis' = 0 (99.57%).

Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.43%).

Nota: Para 'property__bienes inmuebles' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.24%).

Advertencia: Para 'property__bienes inmuebles' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.76%).

Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.00%).

Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.00%).

Nota: Para 'property__bienes inmuebles' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.24%).

Advertencia: Para 'property__bienes inmuebles' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.76%).

Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).

Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).

Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'housing__gratis' = 0 (98.94%).

Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'housing__gratis' = 1 es muy baja (1.06%).

Nota: Para 'property__seguro de vida' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.55%).

Advertencia: Para 'property__seguro de vida' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.45%).

Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.94%).

Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.06%).

Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.30%).

Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.70%).

Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.52%).

Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.48%).

Nota: Para 'property__sin propiedad' = 0, casi todos pertenecen a 'housing__gratis' = 0 (99.42%).

Advertencia: Para 'property__sin propiedad' = 0, la proporción de 'housing__gratis' = 1 es muy baja (0.58%).

Nota: Para 'property__sin propiedad' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.96%).

Advertencia: Para 'property__sin propiedad' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.04%).

Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.39%).

Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.61%).

Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (99.13%).

Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.87%).

Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.52%).

Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.48%).

Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).

Advertencia: Para 'otherplans__banco' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).

Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).

Advertencia: Para 'otherplans__banco' = 1, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).

Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'housing__alquiler' = 0 (97.56%).

Advertencia: Para 'otherplans__banco' = 1, la proporción de 'housing__alquiler' = 1 es muy baja (2.44%).

Nota: Para 'otherplans__banco' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.76%).

Advertencia: Para 'otherplans__banco' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.24%).

Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'otherplans__banco' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).

Advertencia: Para 'otherplans__banco' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).

Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).

Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).

Nota: Para 'otherplans__ninguno' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.70%).

Advertencia: Para 'otherplans__ninguno' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.30%).

Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.04%).

Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.96%).

Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.15%).

Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.85%).

Nota: Para 'otherplans__tiendas' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.31%).

Advertencia: Para 'otherplans__tiendas' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.69%).

Nota: Para 'otherplans__tiendas' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.56%).

Advertencia: Para 'otherplans__tiendas' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.44%).

Nota: Para 'otherplans__tiendas' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.55%).

Advertencia: Para 'otherplans__tiendas' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.45%).

Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).

Advertencia: Para 'housing__alquiler' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).

Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).

Advertencia: Para 'housing__alquiler' = 1, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).

Nota: Para 'housing__alquiler' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.73%).

Advertencia: Para 'housing__alquiler' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.27%).

Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.56%).

Advertencia: Para 'housing__alquiler' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.44%).

Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.40%).

Advertencia: Para 'housing__alquiler' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.60%).

Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).

Advertencia: Para 'housing__gratis' = 1, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).

Nota: Para 'housing__gratis' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.05%).

Advertencia: Para 'housing__gratis' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.95%).

Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.34%).

Advertencia: Para 'housing__gratis' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.66%).

Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).

Advertencia: Para 'housing__gratis' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).

Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).

Advertencia: Para 'housing__gratis' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).

Nota: Para 'housing__propietario' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.74%).

Advertencia: Para 'housing__propietario' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.26%).

Nota: Para 'housing__propietario' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.93%).

Advertencia: Para 'housing__propietario' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.07%).

Nota: Para 'housing__propietario' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.83%).

Advertencia: Para 'housing__propietario' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.17%).

Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__calificado' = 0 (100.00%).

Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__calificado' = 1 es muy baja (0.00%).

Nota: Para 'job__altamente calificado/funcionario' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.51%).

Advertencia: Para 'job__altamente calificado/funcionario' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.49%).

Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.58%).

Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.42%).

Nota: Para 'job__altamente calificado/funcionario' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.31%).

Advertencia: Para 'job__altamente calificado/funcionario' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.69%).

Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).

Advertencia: Para 'job__calificado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).

Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'job__calificado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.07%).

Advertencia: Para 'job__calificado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.93%).

Nota: Para 'job__desempleado/no calificado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).

Advertencia: Para 'job__desempleado/no calificado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).

Nota: Para 'job__desempleado/no calificado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'job__desempleado/no calificado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'job__no calificado residente' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.60%).

Advertencia: Para 'job__no calificado residente' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.40%).

Advertencia: Para 'telephone__no' = 0, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).

Nota: Para 'telephone__no' = 0, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).

Nota: Para 'telephone__no' = 1, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).

Advertencia: Para 'telephone__no' = 1, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).

Nota: Para 'telephone__no' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.62%).

Advertencia: Para 'telephone__no' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.38%).

Nota: Para 'telephone__sí' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.62%).

Advertencia: Para 'telephone__sí' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.38%).

Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).

Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).

Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).

Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).

Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).

Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).

Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).

Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).

Nota: Para 'estado_civil__divorciado/separado' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).

Advertencia: Para 'estado_civil__divorciado/separado' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).

Registros del grupo privilegiado (`sexo` == 1): 550 (68.75%)

col_0 Conteo class 0 151 1 399

2.4 Verificación de calidad de datos

En esta sección se determina que atributos deben ser intervenidos y como se debería realizar dicha intervención

Attribute Data Type Missing Values% Unique Values% Minimum Value Maximum Value DQ Issue
age int64 0.0 6 20.0 75.0 Column has 31 outliers greater than upper bound (62.00) or lower than lower bound(6.00). Cap them or remove them.
duration category 0.0 0 NaN NaN No issue
amount category 0.0 0 NaN NaN No issue
installment category 0.0 0 NaN NaN No issue
residence category 0.0 0 NaN NaN No issue
cards category 0.0 0 NaN NaN 1 rare categories: [4]. Group them into a single category or drop the categories.
liable category 0.0 0 NaN NaN No issue
foreign category 0.0 0 NaN NaN No issue
sexo category 0.0 0 NaN NaN No issue
existingchecking__saldo positivo hasta 200 DM category 0.0 0 NaN NaN No issue
existingchecking__saldo positivo superior a 200 DM category 0.0 0 NaN NaN No issue
existingchecking__sin cuenta corriente category 0.0 0 NaN NaN No issue
existingchecking__sin saldo category 0.0 0 NaN NaN No issue
history__créditos existentes pagados puntualmente hasta ahora category 0.0 0 NaN NaN No issue
history__cuenta crítica/otros créditos existentes (no en este banco) category 0.0 0 NaN NaN No issue
history__no créditos tomados category 0.0 0 NaN NaN No issue
history__retraso en el pago en el pasado category 0.0 0 NaN NaN No issue
history__todos los créditos en este banco devueltos a tiempo category 0.0 0 NaN NaN No issue
purpose__coche nuevo category 0.0 0 NaN NaN No issue
purpose__coche usado category 0.0 0 NaN NaN No issue
purpose__educación category 0.0 0 NaN NaN No issue
purpose__electrodomésticos category 0.0 0 NaN NaN No issue
purpose__muebles/equipo category 0.0 0 NaN NaN No issue
purpose__negocios category 0.0 0 NaN NaN No issue
purpose__otros category 0.0 0 NaN NaN No issue
purpose__radio/TV category 0.0 0 NaN NaN No issue
purpose__reparaciones category 0.0 0 NaN NaN No issue
purpose__retraining category 0.0 0 NaN NaN 1 rare categories: [1]. Group them into a single category or drop the categories.
savings__saldo positivo de 100 a 500 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo de 500 a 1000 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo hasta 100 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo superior a 1000 DM category 0.0 0 NaN NaN No issue
savings__sin cuenta de ahorros category 0.0 0 NaN NaN No issue
employ__desempleado category 0.0 0 NaN NaN No issue
employ__empleado de 1 a 4 años category 0.0 0 NaN NaN No issue
employ__empleado de 4 a 7 años category 0.0 0 NaN NaN No issue
employ__empleado menos de 1 año category 0.0 0 NaN NaN No issue
employ__empleado más de 7 años category 0.0 0 NaN NaN No issue
others__co-deudor category 0.0 0 NaN NaN No issue
others__garante category 0.0 0 NaN NaN No issue
others__ninguno category 0.0 0 NaN NaN No issue
property__automóvil category 0.0 0 NaN NaN No issue
property__bienes inmuebles category 0.0 0 NaN NaN No issue
property__seguro de vida category 0.0 0 NaN NaN No issue
property__sin propiedad category 0.0 0 NaN NaN No issue
otherplans__banco category 0.0 0 NaN NaN No issue
otherplans__ninguno category 0.0 0 NaN NaN No issue
otherplans__tiendas category 0.0 0 NaN NaN No issue
housing__alquiler category 0.0 0 NaN NaN No issue
housing__gratis category 0.0 0 NaN NaN No issue
class category 0.0 0 NaN NaN Target column
3. Preparación de los datos

En esta etapa los datos deben ser intervenidos con el fin de que tengan las representaciones adecuadas tanto del caso de uso que se está solucionando

Metrica Columna_1 Columna_2 Valor Ranking
Chi-cuadrado telephone__no telephone__sí 795.843056 True
Chi-cuadrado sexo estado_civil__divorciada/separada/casada 795.352225 True
Chi-cuadrado otherplans__ninguno otherplans__tiendas 533.669035 True
Chi-cuadrado property__sin propiedad housing__gratis 476.693503 True
Chi-cuadrado housing__alquiler housing__propietario 436.377013 True
Chi-cuadrado estado_civil__divorciada/separada/casada estado_civil__soltero 432.373498 True
Chi-cuadrado sexo estado_civil__soltero 432.373498 True
Chi-cuadrado history__créditos existentes pagados puntualmente hasta ahora history__cuenta crítica/otros créditos existentes (no en este banco) 399.524545 True
Chi-cuadrado others__garante others__ninguno 394.892768 True
Chi-cuadrado others__co-deudor others__ninguno 343.158322 True
ANOVA F-test employ__empleado más de 7 años age 4.603861 True
ANOVA F-test residence age 3.506283 True
ANOVA F-test housing__gratis age 3.051811 True
ANOVA F-test employ__desempleado age 2.828848 True
ANOVA F-test liable age 2.819207 True
ANOVA F-test estado_civil__soltero age 2.711606 True
ANOVA F-test housing__alquiler age 2.580137 True
ANOVA F-test job__desempleado/no calificado age 2.546954 True
ANOVA F-test history__cuenta crítica/otros créditos existentes (no en este banco) age 2.391072 True
ANOVA F-test sexo age 2.335601 True
Mutual Information telephone__sí telephone__no 0.673515 True
Mutual Information telephone__no telephone__sí 0.673515 True
Mutual Information sexo estado_civil__divorciada/separada/casada 0.621086 True
Mutual Information estado_civil__divorciada/separada/casada sexo 0.621086 True
Mutual Information sexo estado_civil__soltero 0.338246 True
Mutual Information estado_civil__soltero sexo 0.338246 True
Mutual Information estado_civil__divorciada/separada/casada estado_civil__soltero 0.338246 True
Mutual Information estado_civil__soltero estado_civil__divorciada/separada/casada 0.338246 True
Mutual Information history__cuenta crítica/otros créditos existentes (no en este banco) history__créditos existentes pagados puntualmente hasta ahora 0.315373 True
Mutual Information history__créditos existentes pagados puntualmente hasta ahora history__cuenta crítica/otros créditos existentes (no en este banco) 0.315373 True

Este informe presenta el análisis de equidad realizado sobre el dataset y los modelos evaluados.

Group Non-Privileged Label Distribution Jensen-Shannon Divergence Kullback-Leibler Divergence Demographic Parity Theil Index (Overall) Theil Index (Within-group) Theil Index (Between-group)
Non-Privileged Group (sexo != 1) {1: 0.644, 0: 0.356} 0.010628 0.042065 0.081455 0.0 0.0 0.0
Distribución de la Variable Objetivo
4. Modelado

En esta fase se prueban las técnicas y algoritmos de ML más adecuados para abordar el problema en cuestión

4.2 Generación de un diseño de comprobación

La clasificación se trata de predecir etiquetas de clase dados los datos de entrada. En clasificación binaria, hay dos clases de salida posibles; por lo tanto se establece cual valor corresponde a la clase positiva y cual a la negativa, adicionalmente la métrica de rendimiento que se utilizará para definir el mejor de los modelos

Metrica Descripcion Tipo
average_odds_difference Promedio de la diferencia en las tasas de falsos positivos y verdaderos positivos entre grupos. Rendimiento
equal_opportunity_difference Diferencia en la tasa de verdaderos positivos (recall) entre grupos. Equidad
statistical_parity_difference Diferencia entre las tasas de resultados positivos entre grupos; indica disparidad de selección. Equidad
disparate_impact Razón entre la tasa de selección de un grupo y la de otro; detecta discriminación si es muy diferente de 1. Equidad
accuracy Proporción de predicciones correctas respecto al total de muestras; mide el rendimiento general de un modelo. Rendimiento
f1_score Media armónica entre precisión y recall; equilibra la importancia de falsos positivos y falsos negativos. Rendimiento

4.3 Generación de los modelos

Cual es el comportamiento de los modelos generados para cada una de las técnicas seleccionadas y de las métricas de rendimiento definidas

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
ExtraTreesClassifier BASE_LINE NONE BASE_LINE_VALUES 0.745 0.822300 0.0000 -0.025 -0.026190 0.964744
ExtraTreesClassifier BASE_LINE ROS ROS 0.735 0.819113 -0.0025 -0.080 -0.045238 0.941896
ExtraTreesClassifier BASE_LINE SMOTE SMOTE 0.735 0.814035 -0.0250 -0.075 -0.059524 0.919872
MLPClassifier BASE_LINE SMOTE SMOTE 0.730 0.811189 -0.1100 -0.145 -0.138095 0.820988
LinearDiscriminantAnalysis BASE_LINE NONE BASE_LINE_VALUES 0.705 0.794425 -0.0625 -0.125 -0.097619 0.872274
LinearDiscriminantAnalysis BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.705 0.794425 -0.0625 -0.125 -0.097619 0.872274
LogisticRegressionCV BASE_LINE NONE BASE_LINE_VALUES 0.705 0.792982 -0.0450 -0.115 -0.083333 0.888889
MLPClassifier BASE_LINE ROS ROS 0.705 0.783883 -0.0350 -0.020 -0.045238 0.933333
RidgeClassifierCV BASE_LINE PCA PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
LinearDiscriminantAnalysis BASE_LINE PCA PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
MLPClassifier BASE_LINE PCA PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
LinearSVC BASE_LINE PCA PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
LogisticRegressionCV BASE_LINE PCA PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
LogisticRegressionCV BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.700 0.793103 -0.0200 -0.065 -0.047619 0.937695
RidgeClassifierCV BASE_LINE NONE BASE_LINE_VALUES 0.700 0.791667 -0.0750 -0.125 -0.104762 0.864198
LinearDiscriminantAnalysis BASE_LINE SMOTE SMOTE 0.700 0.791667 -0.0750 -0.125 -0.104762 0.864198
RidgeClassifierCV BASE_LINE SMOTE SMOTE 0.700 0.790210 -0.0750 -0.150 -0.114286 0.850467
LinearSVC BASE_LINE NONE BASE_LINE_VALUES 0.700 0.788732 -0.0575 -0.140 -0.100000 0.866667
LogisticRegressionCV BASE_LINE SMOTE SMOTE 0.700 0.788732 -0.0575 -0.140 -0.100000 0.866667
LinearSVC BASE_LINE SMOTE SMOTE 0.700 0.787234 -0.0575 -0.165 -0.109524 0.852564
LinearSVC BASE_LINE ROS ROS 0.695 0.762646 0.0475 -0.105 -0.026190 0.955823
MLPClassifier BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.690 0.783217 -0.0300 -0.035 -0.042857 0.942308
MLPClassifier BASE_LINE NONE BASE_LINE_VALUES 0.685 0.775801 -0.0425 -0.110 -0.078571 0.892157
LogisticRegressionCV BASE_LINE ROS ROS 0.685 0.750988 0.0575 -0.110 -0.021429 0.962500
RidgeClassifierCV BASE_LINE ROS ROS 0.685 0.749004 0.0175 -0.065 -0.030952 0.945148
LinearDiscriminantAnalysis BASE_LINE ROS ROS 0.685 0.749004 0.0000 -0.100 -0.054762 0.904167
RidgeClassifierCV BASE_LINE RUS RUS 0.680 0.741935 0.0025 -0.045 -0.033333 0.939394
LogisticRegressionCV BASE_LINE RUS RUS 0.680 0.739837 0.0025 -0.070 -0.042857 0.921053
MLPClassifier BASE_LINE RUS RUS 0.665 0.735178 0.0750 0.050 0.050000 1.090909
LinearSVC BASE_LINE RUS RUS 0.665 0.730924 -0.0175 -0.035 -0.040476 0.927350
LinearDiscriminantAnalysis BASE_LINE RUS RUS 0.665 0.728745 -0.0175 -0.060 -0.050000 0.909091
ExtraTreesClassifier BASE_LINE RUS RUS 0.620 0.672414 -0.1150 -0.255 -0.180952 0.648148
ExtraTreesClassifier BASE_LINE PCA PCA 0.575 0.684015 -0.0475 -0.220 -0.111905 0.835088
5. Evaluación

Una vez establecido el modelo que se utilizará se procede nuevamente a realizar la evaluación de las métricas definidas, para revisar varios aspectos para comprender la calidad y el rendimiento del modelo

5.* Selección de métrica de equidad

Algunas de las métricas utilizadas para detectar la justicia en las decisiones que se toman, se soportan en el análisis de la matriz de confusión...

6. Intervenciones de Equidad

Integrar métodos de identificación y mitigación de sesgos en modelos de ML requiere una comprensión de los objetivos por el cual se requiere automatizar la toma de decisiones...

6.1 Preprocesamiento (Comprensión y preparación de los datos)

Consiste en ajustar los datos antes de iniciar el proceso de entrenamiento...

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.760 0.832168 -3.500000e-02 -0.070 -0.066667 0.911111
ExtraTreesClassifier PREPROCESSING FOS FOS 0.745 0.822300 2.500000e-03 -0.095 -0.050000 0.933333
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.735 0.833856 -1.000000e-02 -0.070 -0.040476 0.955381
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.735 0.831746 5.000000e-03 -0.015 -0.011905 0.986450
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.735 0.819113 -5.750000e-02 -0.115 -0.092857 0.882883
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.735 0.810036 1.000000e-02 -0.080 -0.040476 0.942761
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.730 0.813793 -5.500000e-02 -0.060 -0.071429 0.907407
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.725 0.827586 -1.750000e-02 -0.060 -0.040476 0.955381
ExtraTreesClassifier PREPROCESSING FOS FAIR_PCA 0.725 0.808362 5.000000e-03 -0.040 -0.026190 0.964744
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.725 0.804270 9.500000e-02 -0.010 0.040476 1.058419
ExtraTreesClassifier PREPROCESSING DEMV DEMV 0.725 0.800000 9.250000e-02 -0.015 0.035714 1.053763
MLPClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.725 0.800000 7.500000e-02 -0.050 0.011905 1.017730
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.725 0.794007 -4.000000e-02 -0.080 -0.073810 0.887681
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.720 0.802817 4.750000e-02 -0.055 -0.004762 0.993399
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.720 0.795620 -5.000000e-02 -0.075 -0.076190 0.890034
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.720 0.789474 2.500000e-03 -0.070 -0.042857 0.933333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.715 0.806780 -1.075000e-01 -0.140 -0.130952 0.839181
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.715 0.805461 -1.500000e-02 -0.130 -0.069048 0.912121
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.715 0.802768 3.750000e-02 -0.075 -0.016667 0.977778
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.715 0.797153 3.250000e-02 -0.035 -0.007143 0.989899
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.715 0.795699 -9.500000e-02 -0.165 -0.135714 0.815534
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.715 0.792727 1.025000e-01 0.030 0.059524 1.090580
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.710 0.815287 5.250000e-02 -0.020 0.019048 1.022039
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.710 0.798611 -8.500000e-02 -0.170 -0.128571 0.834862
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.710 0.791367 -7.250000e-02 -0.120 -0.104762 0.854785
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.710 0.791367 5.750000e-02 -0.085 -0.009524 0.986254
RidgeClassifierCV PREPROCESSING FOS FOS 0.710 0.788321 5.500000e-02 -0.065 -0.004762 0.992908
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.710 0.788321 3.750000e-02 -0.100 -0.028571 0.957895
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.710 0.788321 5.500000e-02 -0.065 -0.004762 0.992908
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.710 0.788321 3.750000e-02 -0.100 -0.028571 0.957895
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.710 0.786765 7.250000e-02 -0.055 0.009524 1.014493
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705 0.797251 -6.250000e-02 -0.075 -0.078571 0.899083
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705 0.791519 1.000000e-02 -0.105 -0.045238 0.937908
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705 0.791519 -4.500000e-02 -0.140 -0.092857 0.875000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.705 0.790036 -1.000000e-01 -0.200 -0.150000 0.800000
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.705 0.788530 4.500000e-02 -0.085 -0.016667 0.976190
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.705 0.788530 -3.000000e-02 -0.085 -0.064286 0.910000
LinearDiscriminantAnalysis PREPROCESSING FOS FAIR_PCA 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
MLPClassifier PREPROCESSING FOS FAIR_PCA 0.705 0.787004 8.000000e-02 -0.040 0.021429 1.031579
LinearSVC PREPROCESSING FOS FAIR_PCA 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.705 0.787004 7.500000e-03 -0.110 -0.050000 0.928571
ExtraTreesClassifier PREPROCESSING DEMV FAIR_PCA 0.705 0.785455 2.500000e-02 -0.100 -0.035714 0.947917
LogisticRegressionCV PREPROCESSING FOS FAIR_PCA 0.705 0.785455 2.500000e-02 -0.100 -0.035714 0.947917
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.705 0.785455 2.500000e-02 -0.100 -0.035714 0.947917
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.705 0.785455 5.000000e-03 -0.065 -0.035714 0.947917
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.705 0.783883 -8.750000e-02 -0.125 -0.116667 0.833333
LinearSVC PREPROCESSING DEMV DEMV 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
MLPClassifier PREPROCESSING DEMV FAIR_PCA 0.705 0.777358 -1.750000e-02 -0.085 -0.059524 0.907407
LinearSVC PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705 0.777358 3.750000e-02 -0.050 -0.011905 0.981061
LinearDiscriminantAnalysis PREPROCESSING DEMV DEMV 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LogisticRegressionCV PREPROCESSING DEMV DEMV 0.705 0.775665 5.500000e-02 -0.040 0.002381 1.003876
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705 0.775665 5.500000e-02 -0.040 0.002381 1.003876
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705 0.775665 5.500000e-02 -0.040 0.002381 1.003876
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705 0.775665 5.500000e-02 -0.040 0.002381 1.003876
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.705 0.775665 2.775558e-17 -0.075 -0.045238 0.928030
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearSVC PREPROCESSING FAIR_GAN FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearSVC PREPROCESSING FAIR_GAN FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA 0.700 0.791667 -5.500000e-02 -0.160 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.700 0.791667 -5.500000e-02 -0.160 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.791667 -7.500000e-02 -0.125 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.700 0.791667 -7.500000e-02 -0.125 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER 0.700 0.790210 -5.750000e-02 -0.115 -0.090476 0.880503
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.790210 -7.500000e-02 -0.150 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -7.250000e-02 -0.220 -0.138095 0.820988
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.700 0.788732 -5.750000e-02 -0.140 -0.100000 0.866667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.787234 -5.750000e-02 -0.165 -0.109524 0.852564
MLPClassifier PREPROCESSING FOS FOS 0.700 0.784173 3.000000e-02 -0.040 -0.009524 0.986254
LinearSVC PREPROCESSING FOS FOS 0.700 0.781022 1.250000e-02 -0.125 -0.052381 0.923611
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.700 0.781022 1.250000e-02 -0.125 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING DEMV FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING DEMV FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.700 0.772727 -7.000000e-02 -0.040 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS 0.695 0.787456 -7.000000e-02 -0.115 -0.097619 0.872274
RidgeClassifierCV PREPROCESSING FOS FAIR_PCA 0.695 0.781362 -1.750000e-02 -0.110 -0.064286 0.910000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695 0.781362 -1.750000e-02 -0.110 -0.064286 0.910000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.695 0.778182 1.075000e-01 0.015 0.059524 1.090580
LinearSVC PREPROCESSING DEMV FAIR_PCA 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LinearSVC PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.695 0.769811 -8.250000e-02 -0.040 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER 0.695 0.768061 4.750000e-02 -0.030 0.002381 1.003876
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695 0.768061 -6.500000e-02 -0.030 -0.069048 0.891386
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.695 0.768061 8.500000e-02 -0.030 0.026190 1.043137
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695 0.768061 -6.500000e-02 -0.030 -0.069048 0.891386
RidgeClassifierCV PREPROCESSING DEMV DEMV 0.695 0.766284 1.000000e-02 -0.055 -0.030952 0.949612
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.695 0.766284 1.000000e-02 -0.055 -0.030952 0.949612
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.695 0.766284 1.000000e-02 -0.055 -0.030952 0.949612
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.695 0.766284 1.000000e-02 -0.055 -0.030952 0.949612
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.695 0.764479 1.000000e-02 -0.080 -0.040476 0.933333
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.695 0.762646 4.750000e-02 -0.105 -0.026190 0.955823
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.695 0.753036 5.000000e-03 -0.090 -0.050000 0.909091
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.690 0.786207 -4.250000e-02 -0.160 -0.095238 0.877676
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.690 0.783217 -1.000000e-02 -0.070 -0.042857 0.942308
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.690 0.780142 -1.000000e-01 -0.225 -0.157143 0.792453
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.690 0.778571 -3.000000e-02 -0.110 -0.071429 0.900990
LinearDiscriminantAnalysis PREPROCESSING FOS FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING FOS FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER 0.690 0.772059 2.000000e-02 -0.035 -0.014286 0.978495
RidgeClassifierCV PREPROCESSING DEMV FAIR_PCA 0.690 0.765152 -7.750000e-02 -0.030 -0.076190 0.881481
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.690 0.765152 -7.750000e-02 -0.030 -0.076190 0.881481
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.690 0.765152 9.000000e-02 0.005 0.042857 1.070588
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.690 0.763359 7.250000e-02 -0.055 0.009524 1.015686
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.690 0.759690 3.250000e-02 -0.035 -0.009524 0.983936
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.690 0.759690 3.250000e-02 -0.035 -0.009524 0.983936
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.690 0.755906 7.000000e-02 -0.085 -0.004762 0.991667
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.690 0.755906 1.250000e-02 -0.050 -0.028571 0.950617
MLPClassifier PREPROCESSING DEMV DEMV 0.685 0.770909 1.000000e-02 -0.080 -0.035714 0.947917
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.685 0.769231 -7.500000e-03 -0.140 -0.069048 0.899306
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685 0.750988 5.750000e-02 -0.110 -0.021429 0.962500
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685 0.749004 0.000000e+00 -0.100 -0.054762 0.904167
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.685 0.749004 0.000000e+00 -0.100 -0.054762 0.904167
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.685 0.746988 -5.500000e-02 -0.160 -0.111905 0.806584
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.680 0.776224 3.750000e-02 -0.025 0.004762 1.006536
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.680 0.769784 3.750000e-02 -0.125 -0.033333 0.952381
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.680 0.766423 -1.750000e-02 -0.210 -0.100000 0.857143
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.680 0.755725 4.750000e-02 -0.080 -0.014286 0.976744
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.680 0.744000 2.250000e-02 -0.055 -0.023810 0.957265
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.680 0.741935 2.500000e-03 -0.045 -0.033333 0.939394
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.680 0.739837 2.500000e-03 -0.070 -0.042857 0.921053
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.680 0.739837 -8.750000e-02 -0.175 -0.138095 0.758333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.680 0.739837 -7.000000e-02 -0.140 -0.114286 0.797468
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.680 0.739837 -7.000000e-02 -0.140 -0.114286 0.797468
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.675 0.760148 -5.250000e-02 -0.155 -0.102381 0.850694
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.675 0.749035 3.250000e-02 -0.060 -0.016667 0.972222
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675 0.741036 -4.250000e-02 -0.160 -0.102381 0.825203
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675 0.741036 -4.250000e-02 -0.160 -0.102381 0.825203
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675 0.738956 -1.000000e-01 -0.150 -0.135714 0.768293
MLPClassifier PREPROCESSING FOS HYPERPARAMETER 0.670 0.765957 1.000000e-02 -0.030 -0.014286 0.980000
MLPClassifier PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.670 0.765957 6.750000e-02 -0.065 0.009524 1.013468
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.670 0.757353 -4.250000e-02 -0.260 -0.133333 0.809524
MLPClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670 0.750000 4.000000e-02 -0.045 -0.004762 0.992337
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.670 0.746154 5.750000e-02 -0.060 0.000000 1.000000
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.665 0.761566 -3.500000e-02 -0.195 -0.102381 0.860841
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.665 0.756364 -7.500000e-03 0.010 -0.011905 0.982456
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.665 0.752768 1.000000e-02 -0.005 -0.007143 0.989130
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.665 0.743295 -4.750000e-02 -0.095 -0.078571 0.875000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.665 0.730924 -1.750000e-02 -0.035 -0.040476 0.927350
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.665 0.728745 -1.750000e-02 -0.060 -0.050000 0.909091
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.665 0.728745 -1.750000e-02 -0.060 -0.050000 0.909091
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.665 0.724280 -9.000000e-02 -0.180 -0.140476 0.747863
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.660 0.728000 2.500000e-02 0.000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655 0.725100 5.250000e-02 -0.070 -0.007143 0.987179
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.655 0.722892 -9.500000e-02 -0.165 -0.135714 0.768293
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.655 0.713693 -4.500000e-02 -0.090 -0.078571 0.851351
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.635 0.720307 5.000000e-03 -0.065 -0.030952 0.949612
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.605 0.651982 -1.025000e-01 -0.180 -0.145238 0.696517
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425 0.378378 4.925000e-01 0.560 0.511905 8.166667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425 0.378378 4.925000e-01 0.560 0.511905 8.166667
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.410 0.351648 6.500000e-01 0.800 0.700000 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.410 0.351648 6.500000e-01 0.800 0.700000 inf
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.405 0.356757 6.225000e-01 0.720 0.654762 23.916667
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400 0.340659 6.625000e-01 0.775 0.700000 inf
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400 0.340659 6.625000e-01 0.775 0.700000 inf
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.400 0.340659 6.100000e-01 0.670 0.628571 30.333333
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.400 0.325843 5.875000e-01 0.725 0.633333 inf
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.395 0.338798 6.150000e-01 0.705 0.645238 31.111111
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.395 0.324022 6.125000e-01 0.725 0.650000 inf
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385 0.335135 7.200000e-01 0.740 0.726190 102.666667
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.385 0.305085 5.875000e-01 0.675 0.616667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.385 0.305085 5.875000e-01 0.675 0.616667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.385 0.297143 5.500000e-01 0.650 0.583333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385 0.297143 5.500000e-01 0.650 0.583333 inf
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380 0.303371 6.125000e-01 0.675 0.633333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.380 0.303371 6.125000e-01 0.675 0.633333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.380 0.303371 6.125000e-01 0.675 0.633333 inf
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.380 0.303371 5.950000e-01 0.640 0.609524 86.333333
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.380 0.295455 5.750000e-01 0.650 0.600000 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.380 0.295455 5.750000e-01 0.650 0.600000 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380 0.287356 5.375000e-01 0.625 0.566667 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.380 0.287356 5.375000e-01 0.625 0.566667 inf
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380 0.279070 5.000000e-01 0.600 0.533333 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.380 0.279070 5.000000e-01 0.600 0.533333 inf
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.370 0.284091 5.875000e-01 0.625 0.600000 inf

6.2 Procesamiento (Modelado)

En este caso los datos originales no se ajustan, sino que se optimiza un modelo para que además de ser preciso sea justo...

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS_FAIR_PCA 0.740 0.821918 0.0075 -0.010 -0.014286 0.981308
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV_FAIR_PCA 0.740 0.808824 -0.0925 -0.085 -0.109524 0.841924
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR_FAIR_PCA 0.735 0.816609 -0.1175 -0.060 -0.111905 0.856269
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR_FAIR_PCA 0.735 0.808664 -0.0475 -0.070 -0.073810 0.895623
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV_FAIR_PCA 0.730 0.802920 -0.0075 -0.015 -0.028571 0.957895
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE 0.725 0.802867 0.0225 -0.105 -0.040476 0.942761
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS_FAIR_PCA 0.725 0.798535 0.2025 0.030 0.121429 1.193182
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS_FAIR_PCA 0.725 0.798535 0.2025 0.030 0.121429 1.193182
NEURONAL_NETWORK IN_PROCESSING RULER ROS 0.720 0.798561 0.0800 0.010 0.038095 1.056140
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS 0.715 0.788104 0.0800 0.060 0.054762 1.087121
NEURONAL_NETWORK IN_PROCESSING RULER UNAWARENESS 0.710 0.791367 0.0350 0.020 0.014286 1.020833
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS_FAIR_PCA 0.710 0.791367 -0.1475 -0.120 -0.152381 0.792880
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV 0.710 0.786765 0.0175 -0.090 -0.038095 0.943262
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV 0.710 0.786765 0.0175 -0.090 -0.038095 0.943262
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE_FAIR_PCA 0.705 0.790036 -0.0300 -0.060 -0.054762 0.924092
NEURONAL_NETWORK IN_PROCESSING RULER DEMV_FAIR_PCA 0.705 0.788530 -0.2325 -0.190 -0.230952 0.697819
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS 0.705 0.782288 0.0200 -0.010 -0.007143 0.989130
NEURONAL_NETWORK IN_PROCESSING RULER DEMV 0.705 0.780669 0.0200 -0.035 -0.016667 0.974359
NEURONAL_NETWORK IN_PROCESSING RULER FOS 0.705 0.779026 0.0400 -0.095 -0.026190 0.959259
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FairODTrainer 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer SMOTE 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING SMOTE_FAIR_PCA SMOTE 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer ROS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROS_FAIR_PCA ROS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer RUS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RUS_FAIR_PCA RUS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FOS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FOS_FAIR_PCA FOS 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FAIR_SMOTE 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_SMOTE_FAIR_PCA FAIR_SMOTE 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer BAL_GAN_FAIR 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING BAL_GAN_FAIR_FAIR_PCA BAL_GAN_FAIR 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer DEMV 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DEMV_FAIR_PCA DEMV 0.700 0.823529 0.0000 0.000 0.000000 1.000000
MLPClassifier IN_PROCESSING FAIR_PCA HYPERPARAMETER 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE_FAIR_PCA 0.700 0.823529 0.0000 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FOS_FAIR_PCA 0.700 0.788732 0.0300 0.035 0.019048 1.026667
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS_FAIR_PCA 0.700 0.785714 0.1425 -0.015 0.071429 1.105263
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE UNAWARENESS 0.700 0.785714 0.0275 0.055 0.023810 1.034364
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS_FAIR_PCA 0.700 0.784173 -0.1000 -0.075 -0.104762 0.854785
NEURONAL_NETWORK IN_PROCESSING DISTRACTION UNAWARENESS 0.695 0.782918 -0.0025 0.020 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV 0.695 0.779783 0.1450 0.040 0.092857 1.141304
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS 0.695 0.776557 -0.0400 -0.080 -0.069048 0.899306
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR 0.690 0.778571 -0.0150 -0.005 -0.023810 0.966330
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE_FAIR_PCA 0.690 0.772059 0.1325 -0.035 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE_FAIR_PCA 0.690 0.772059 0.1325 -0.035 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE 0.685 0.775801 -0.0450 -0.040 -0.054762 0.924092
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS 0.685 0.775801 0.0300 -0.040 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS 0.685 0.775801 0.0300 -0.040 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS_FAIR_PCA 0.685 0.772563 0.2300 0.085 0.164286 1.258427
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS_FAIR_PCA 0.685 0.772563 0.2300 0.085 0.164286 1.258427
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV_FAIR_PCA 0.685 0.769231 0.0100 -0.105 -0.045238 0.933333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV_FAIR_PCA 0.685 0.769231 0.0100 -0.105 -0.045238 0.933333
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV 0.685 0.764045 -0.0700 -0.040 -0.073810 0.887681
NEURONAL_NETWORK IN_PROCESSING RULER ROS_FAIR_PCA 0.685 0.760456 0.1125 0.050 0.073810 1.124498
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR 0.685 0.752941 0.0175 -0.015 -0.011905 0.979424
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR 0.685 0.752941 0.0175 -0.015 -0.011905 0.979424
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM UNAWARENESS 0.680 0.769784 0.0175 -0.090 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD UNAWARENESS 0.680 0.769784 0.0175 -0.090 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR_FAIR_PCA 0.680 0.764706 -0.1350 -0.095 -0.133333 0.809524
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE 0.680 0.762963 0.0325 -0.085 -0.023810 0.963768
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS 0.680 0.750000 0.0950 0.090 0.076190 1.136752
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS 0.680 0.750000 0.0950 0.090 0.076190 1.136752
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE_FAIR_PCA 0.675 0.770318 -0.0325 -0.040 -0.045238 0.937908
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR 0.675 0.754717 0.0700 0.015 0.035714 1.058140
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE_FAIR_PCA 0.670 0.760870 0.0300 -0.140 -0.042857 0.938144
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR_FAIR_PCA 0.670 0.748092 -0.0350 -0.070 -0.061905 0.901515
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR_FAIR_PCA 0.670 0.748092 -0.0350 -0.070 -0.061905 0.901515
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE 0.655 0.749091 0.0800 -0.015 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE 0.655 0.749091 0.0800 -0.015 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS 0.650 0.736842 0.0275 -0.070 -0.019048 0.970037
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS_FAIR_PCA 0.650 0.710744 -0.0575 -0.090 -0.085714 0.840000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS 0.645 0.741818 0.0725 -0.005 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS 0.645 0.741818 0.0725 -0.005 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS_FAIR_PCA 0.645 0.712551 -0.0500 -0.075 -0.073810 0.867521
NEURONAL_NETWORK IN_PROCESSING RULER RUS 0.640 0.712000 0.0675 -0.015 0.023810 1.043860
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS 0.615 0.685714 -0.0025 0.070 0.011905 1.022831
NEURONAL_NETWORK IN_PROCESSING RULER RUS_FAIR_PCA 0.610 0.688000 0.1200 0.015 0.071429 1.135135
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS_FAIR_PCA 0.590 0.724832 0.1725 0.320 0.228571 1.316832
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR 0.590 0.627273 0.0900 0.080 0.071429 1.188679
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS 0.585 0.677043 -0.0275 -0.205 -0.097619 0.841085
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS 0.585 0.649789 -0.0775 -0.105 -0.097619 0.810185
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS_FAIR_PCA 0.580 0.641026 0.0750 -0.050 0.019048 1.041026
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS_FAIR_PCA 0.580 0.641026 0.0750 -0.050 0.019048 1.041026
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER UNAWARENESS 0.520 0.603306 0.0150 0.005 0.009524 1.018779
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS 0.485 0.554113 -0.0950 -0.115 -0.102381 0.789216
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS 0.435 0.506550 -0.3325 -0.265 -0.302381 0.435556
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE 0.415 0.367568 0.6100 0.745 0.654762 23.916667
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE 0.415 0.367568 0.6100 0.745 0.654762 23.916667
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE_FAIR_PCA 0.395 0.345946 0.6900 0.730 0.702381 50.166667
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE 0.395 0.284024 0.4250 0.600 0.483333 inf
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE 0.390 0.314607 0.6000 0.700 0.633333 inf
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE 0.385 0.305085 0.5875 0.675 0.616667 inf
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN_FAIR_PCA 0.380 0.253012 -0.0225 -0.070 -0.042857 0.700000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_PCA 0.380 0.253012 -0.0225 -0.070 -0.042857 0.700000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE_FAIR_PCA 0.375 0.301676 0.6375 0.675 0.650000 inf
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE_FAIR_PCA 0.370 0.292135 0.6075 0.615 0.609524 86.333333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE_FAIR_PCA 0.370 0.292135 0.6075 0.615 0.609524 86.333333
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE_FAIR_PCA 0.370 0.250000 0.4375 0.525 0.466667 inf
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS_FAIR_PCA 0.340 0.274725 -0.0825 -0.040 -0.061905 0.729167
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE_FAIR_PCA 0.320 0.055556 -0.0200 -0.040 -0.028571 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE 0.315 0.041958 -0.0150 -0.030 -0.021429 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN 0.310 0.041667 -0.0100 0.005 -0.004762 0.777778
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE 0.300 0.000000 0.0000 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR 0.300 0.000000 0.0000 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR_FAIR_PCA 0.300 0.000000 0.0000 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV 0.300 0.000000 0.0000 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV_FAIR_PCA 0.300 0.000000 0.0000 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS_FAIR_PCA 0.290 0.053333 -0.0950 -0.040 -0.071429 0.000000

6.3 Post-procesamiento (Evaluación)

Estos métodos están encaminados a buscar la generación de resultados más justos.

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING RejectOptionClassification ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING EqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING CalibratedEqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING RejectOptionClassification SMOTE_SMOTE 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING EqOddsPostprocessing SMOTE_SMOTE 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING CalibratedEqOddsPostprocessing SMOTE_SMOTE 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearSVC_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING RandomizedThreshold SMOTE_SMOTE 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_UNAWARENESS_UNAWARENESS_FOS POSTPROCESSING RandomizedThreshold UNAWARENESS_UNAWARENESS_FOS 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING FairnessAwareMetaEstimator ExtraTreesClassifier 0.745000 0.823529 -0.090000 -0.105000 -0.111905 0.856269
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.740000 0.819444 -0.027500 -0.130000 -0.080952 0.894081
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING FairnessAwareMetaEstimator SMOTE_SMOTE 0.740000 0.819444 -0.027500 -0.130000 -0.080952 0.894081
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI 0.739130 0.760000 0.027907 -0.344186 -0.077612 0.837500
ExtraTreesClassifier POSTPROCESSING ThresholdOptimizer ExtraTreesClassifier 0.735000 0.821549 0.032500 0.040000 0.021429 1.027523
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.735000 0.820339 0.035000 -0.055000 -0.011905 0.984709
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING ThresholdOptimizer SMOTE_SMOTE 0.735000 0.820339 0.035000 -0.055000 -0.011905 0.984709
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.720000 0.813333 0.035000 -0.030000 0.000000 1.000000
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.720000 0.809524 -0.077500 -0.105000 -0.100000 0.875000
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.715000 0.804124 0.185000 0.020000 0.111905 1.155116
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI 0.714286 0.775000 -0.383117 -0.636364 -0.454361 0.405836
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.710000 0.801370 -0.067500 -0.085000 -0.085714 0.890909
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.710000 0.800000 -0.050000 -0.075000 -0.071429 0.907407
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.710000 0.800000 0.040000 0.030000 0.023810 1.032051
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.705000 0.805281 0.145000 0.040000 0.097619 1.124242
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.801347 0.105000 0.035000 0.069048 1.090343
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.705000 0.801347 0.105000 0.035000 0.069048 1.090343
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.801347 0.105000 0.035000 0.069048 1.090343
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.797251 0.067500 -0.040000 0.016667 1.022222
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.705000 0.792982 -0.045000 -0.115000 -0.083333 0.888889
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.700000 0.793103 -0.020000 -0.065000 -0.047619 0.937695
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.700000 0.793103 -0.020000 -0.065000 -0.047619 0.937695
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.700000 0.793103 -0.020000 -0.065000 -0.047619 0.937695
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.700000 0.791667 -0.057500 -0.090000 -0.080952 0.894081
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.700000 0.437500 -0.490079 -0.944444 -0.167421 0.186813
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_PCA_HYPERPARAMETER 0.695000 0.794613 0.082500 -0.060000 0.021429 1.027523
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.695000 0.790378 -0.032500 -0.065000 -0.054762 0.929012
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.695000 0.790378 -0.032500 -0.065000 -0.054762 0.929012
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.695000 0.790378 -0.032500 -0.065000 -0.054762 0.929012
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.695000 0.785965 0.075000 0.000000 0.035714 1.050000
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI 0.693182 0.737864 -0.096805 -0.452381 -0.219794 0.627572
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.690000 0.789116 0.100000 0.100000 0.090476 1.121795
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.690000 0.789116 0.100000 0.100000 0.090476 1.121795
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.690000 0.789116 0.100000 0.100000 0.090476 1.121795
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI 0.689655 0.696629 -0.250856 -0.509404 -0.246023 0.533405
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_PCA_HYPERPARAMETER 0.685000 0.784983 -0.072500 -0.170000 -0.116667 0.854167
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.680000 0.777778 0.130000 0.035000 0.085714 1.120000
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI 0.679012 0.593750 -0.236149 -0.653333 -0.222222 0.400000
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI 0.666667 0.000000 NaN NaN 0.000000 NaN
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI 0.653061 0.370370 NaN -0.941176 -0.097426 0.376471
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI 0.587302 0.638889 -0.566017 -0.833333 -0.616633 0.251232
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.587302 0.628571 0.000000 0.000000 -0.002869 0.995122
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.579365 0.629371 -0.105952 -0.161905 -0.110473 0.829268
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI 0.573770 0.315789 -0.192776 -0.294643 -0.154444 0.205714
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_SMOTE_SMOTE_CounterfactualAnalyzer 0.571429 0.608696 -0.047619 -0.095238 -0.051650 0.912195
LinearSVC_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer 0.555556 0.616438 -0.105952 -0.161905 -0.109613 0.836543
MLPClassifier_BASE_HYPER POSTPROCESSING MLPClassifier_BASE_HYPER_CERTI_FAI MLPClassifier_BASE_HYPER_CERTI_FAI 0.543860 0.480000 -0.180655 -0.461310 -0.277916 0.216783
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.539683 0.597222 -0.083730 -0.117460 -0.086083 0.866962
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer 0.531746 0.575540 -0.095238 -0.190476 -0.099570 0.837242
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer 0.531746 0.575540 -0.095238 -0.190476 -0.099570 0.837242
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.531746 0.569343 -0.071627 -0.168254 -0.076040 0.870732
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000 0.000000 0.000000 1.000000
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000 0.000000 0.000000 1.000000
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000 0.000000 0.000000 1.000000
MLPClassifier_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_HYPER_CounterfactualAnalyzer 0.523810 0.589041 -0.033730 -0.117460 -0.037303 0.942350
LogisticRegressionCV_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer 0.523810 0.577465 -0.024008 -0.073016 -0.026399 0.956848
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.515873 0.548148 -0.086905 -0.123810 -0.088666 0.846192
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.515873 0.548148 -0.084325 -0.193651 -0.088666 0.846192
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.507937 0.392157 0.012302 -0.025397 0.010330 1.036585
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.492063 0.396226 -0.033730 -0.117460 -0.036729 0.888502
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_FAIR_PCA_HYPERPARAMETER_CounterfactualAnalyzer 0.484127 0.503817 -0.074802 -0.174603 -0.077762 0.856310
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_BASE_LINE_VALUES_CERTI_FAI 0.479452 0.240000 -0.089485 -0.174641 -0.096124 0.409524
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.468254 0.361905 0.043254 0.136508 0.047346 1.160976
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI 0.466667 0.538462 -0.677696 -0.480392 -0.530364 0.224852
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.460317 0.403509 0.016468 -0.092063 0.013773 1.036585
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.460317 0.320000 -0.003175 -0.006349 -0.002296 0.991516
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI 0.444444 0.375000 -0.950000 -0.900000 -0.933333 0.066667
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.434783 0.338983 -0.181481 -0.196296 -0.189744 0.260000
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI 0.420000 0.256410 -0.165909 -0.150000 -0.143317 0.340741
LogisticRegressionCV_BASE_HYPER POSTPROCESSING LogisticRegressionCV_BASE_HYPER_CERTI_FAI LogisticRegressionCV_BASE_HYPER_CERTI_FAI 0.415094 0.162162 -0.165385 -0.230769 -0.173913 0.000000
LinearSVC_BASE_LINE_VALUES POSTPROCESSING LinearSVC_BASE_LINE_VALUES_CERTI_FAI LinearSVC_BASE_LINE_VALUES_CERTI_FAI 0.403846 0.415094 -1.000000 -1.000000 -1.000000 0.000000
6.4 Reporte final

Al finalizar el entrenamiento, se obtiene un conjunto de modelos construidos mediante intervenciones de equidad que cumplen con los criterios de la frontera de Pareto. Las métricas asociadas a estos modelos son analizadas para identificar las intervenciones más prometedoras, las cuales se considerarán en la recomendación final sobre las fases más apropiadas del proceso de machine learning para implementar dichas intervenciones.

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING RejectOptionClassification ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING EqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING CalibratedEqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING RejectOptionClassification SMOTE_SMOTE 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING EqOddsPostprocessing SMOTE_SMOTE 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING CalibratedEqOddsPostprocessing SMOTE_SMOTE 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING RejectOptionClassification FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearSVC_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING RandomizedThreshold SMOTE_SMOTE 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_UNAWARENESS_UNAWARENESS_FOS POSTPROCESSING RandomizedThreshold UNAWARENESS_UNAWARENESS_FOS 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_GAN_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING RandomizedThreshold FAIR_PCA_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_UNAWARENESS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold UNAWARENESS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.760000 0.832168 -3.500000e-02 -0.070000 -0.066667 0.911111
ExtraTreesClassifier POSTPROCESSING FairnessAwareMetaEstimator ExtraTreesClassifier 0.745000 0.823529 -9.000000e-02 -0.105000 -0.111905 0.856269
ExtraTreesClassifier BASE_LINE NONE BASE_LINE_VALUES 0.745000 0.822300 0.000000e+00 -0.025000 -0.026190 0.964744
ExtraTreesClassifier PREPROCESSING FOS FOS 0.745000 0.822300 2.500000e-03 -0.095000 -0.050000 0.933333
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS_FAIR_PCA 0.740000 0.821918 7.500000e-03 -0.010000 -0.014286 0.981308
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.740000 0.819444 -2.750000e-02 -0.130000 -0.080952 0.894081
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING FairnessAwareMetaEstimator SMOTE_SMOTE 0.740000 0.819444 -2.750000e-02 -0.130000 -0.080952 0.894081
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV_FAIR_PCA 0.740000 0.808824 -9.250000e-02 -0.085000 -0.109524 0.841924
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI 0.739130 0.760000 2.790698e-02 -0.344186 -0.077612 0.837500
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.735000 0.833856 -1.000000e-02 -0.070000 -0.040476 0.955381
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.735000 0.831746 5.000000e-03 -0.015000 -0.011905 0.986450
ExtraTreesClassifier POSTPROCESSING ThresholdOptimizer ExtraTreesClassifier 0.735000 0.821549 3.250000e-02 0.040000 0.021429 1.027523
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.735000 0.820339 3.500000e-02 -0.055000 -0.011905 0.984709
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING ThresholdOptimizer SMOTE_SMOTE 0.735000 0.820339 3.500000e-02 -0.055000 -0.011905 0.984709
ExtraTreesClassifier BASE_LINE ROS ROS 0.735000 0.819113 -2.500000e-03 -0.080000 -0.045238 0.941896
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.735000 0.819113 -5.750000e-02 -0.115000 -0.092857 0.882883
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR_FAIR_PCA 0.735000 0.816609 -1.175000e-01 -0.060000 -0.111905 0.856269
ExtraTreesClassifier BASE_LINE SMOTE SMOTE 0.735000 0.814035 -2.500000e-02 -0.075000 -0.059524 0.919872
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.735000 0.810036 1.000000e-02 -0.080000 -0.040476 0.942761
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR_FAIR_PCA 0.735000 0.808664 -4.750000e-02 -0.070000 -0.073810 0.895623
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.730000 0.813793 -5.500000e-02 -0.060000 -0.071429 0.907407
MLPClassifier BASE_LINE SMOTE SMOTE 0.730000 0.811189 -1.100000e-01 -0.145000 -0.138095 0.820988
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV_FAIR_PCA 0.730000 0.802920 -7.500000e-03 -0.015000 -0.028571 0.957895
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.725000 0.827586 -1.750000e-02 -0.060000 -0.040476 0.955381
ExtraTreesClassifier BASE_LINE FAIR_PCA FAIR_PCA 0.725000 0.808362 8.000000e-02 -0.040000 0.021429 1.029412
ExtraTreesClassifier PREPROCESSING FOS FAIR_PCA 0.725000 0.808362 5.000000e-03 -0.040000 -0.026190 0.964744
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.725000 0.804270 9.500000e-02 -0.010000 0.040476 1.058419
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE 0.725000 0.802867 2.250000e-02 -0.105000 -0.040476 0.942761
ExtraTreesClassifier PREPROCESSING DEMV DEMV 0.725000 0.800000 9.250000e-02 -0.015000 0.035714 1.053763
MLPClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.725000 0.800000 7.500000e-02 -0.050000 0.011905 1.017730
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS_FAIR_PCA 0.725000 0.798535 2.025000e-01 0.030000 0.121429 1.193182
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS_FAIR_PCA 0.725000 0.798535 2.025000e-01 0.030000 0.121429 1.193182
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.725000 0.794007 -4.000000e-02 -0.080000 -0.073810 0.887681
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.720000 0.813333 3.500000e-02 -0.030000 0.000000 1.000000
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.720000 0.809524 -7.750000e-02 -0.105000 -0.100000 0.875000
ExtraTreesClassifier BASE_LINE FAIR_PCA ROS 0.720000 0.808219 7.000000e-02 -0.060000 0.009524 1.012579
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.720000 0.802817 4.750000e-02 -0.055000 -0.004762 0.993399
NEURONAL_NETWORK IN_PROCESSING RULER ROS 0.720000 0.798561 8.000000e-02 0.010000 0.038095 1.056140
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.720000 0.795620 -5.000000e-02 -0.075000 -0.076190 0.890034
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.720000 0.789474 2.500000e-03 -0.070000 -0.042857 0.933333
MLPClassifier BASE_LINE FAIR_PCA FAIR_PCA 0.715000 0.808081 -6.750000e-02 -0.185000 -0.121429 0.852174
RidgeClassifierCV BASE_LINE FAIR_PCA FAIR_PCA 0.715000 0.806780 -1.075000e-01 -0.140000 -0.130952 0.839181
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.715000 0.806780 -1.075000e-01 -0.140000 -0.130952 0.839181
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.715000 0.805461 -1.500000e-02 -0.130000 -0.069048 0.912121
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.715000 0.804124 1.850000e-01 0.020000 0.111905 1.155116
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.715000 0.802768 3.750000e-02 -0.075000 -0.016667 0.977778
NN_CONFIG BASE_LINE NONE NN 0.715000 0.797153 1.250000e-02 0.000000 -0.007143 0.989899
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.715000 0.797153 3.250000e-02 -0.035000 -0.007143 0.989899
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.715000 0.795699 -9.500000e-02 -0.165000 -0.135714 0.815534
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.715000 0.792727 1.025000e-01 0.030000 0.059524 1.090580
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS 0.715000 0.788104 8.000000e-02 0.060000 0.054762 1.087121
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI 0.714286 0.775000 -3.831169e-01 -0.636364 -0.454361 0.405836
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.710000 0.815287 5.250000e-02 -0.020000 0.019048 1.022039
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.710000 0.801370 -6.750000e-02 -0.085000 -0.085714 0.890909
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.710000 0.800000 4.000000e-02 0.030000 0.023810 1.032051
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.710000 0.800000 -5.000000e-02 -0.075000 -0.071429 0.907407
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.710000 0.798611 -8.500000e-02 -0.170000 -0.128571 0.834862
NEURONAL_NETWORK IN_PROCESSING RULER UNAWARENESS 0.710000 0.791367 3.500000e-02 0.020000 0.014286 1.020833
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.710000 0.791367 5.750000e-02 -0.085000 -0.009524 0.986254
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.710000 0.791367 -7.250000e-02 -0.120000 -0.104762 0.854785
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS_FAIR_PCA 0.710000 0.791367 -1.475000e-01 -0.120000 -0.152381 0.792880
RidgeClassifierCV PREPROCESSING FOS FOS 0.710000 0.788321 5.500000e-02 -0.065000 -0.004762 0.992908
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.710000 0.788321 5.500000e-02 -0.065000 -0.004762 0.992908
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.710000 0.788321 3.750000e-02 -0.100000 -0.028571 0.957895
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.710000 0.788321 3.750000e-02 -0.100000 -0.028571 0.957895
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.710000 0.786765 7.250000e-02 -0.055000 0.009524 1.014493
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV 0.710000 0.786765 1.750000e-02 -0.090000 -0.038095 0.943262
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV 0.710000 0.786765 1.750000e-02 -0.090000 -0.038095 0.943262
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.705000 0.805281 1.450000e-01 0.040000 0.097619 1.124242
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.801347 1.050000e-01 0.035000 0.069048 1.090343
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.705000 0.801347 1.050000e-01 0.035000 0.069048 1.090343
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.801347 1.050000e-01 0.035000 0.069048 1.090343
MLPClassifier BASE_LINE SMOTE HYPERPARAMETER 0.705000 0.801347 -4.000000e-02 -0.105000 -0.073810 0.908555
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.797251 6.750000e-02 -0.040000 0.016667 1.022222
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705000 0.797251 -6.250000e-02 -0.075000 -0.078571 0.899083
LinearSVC BASE_LINE FAIR_PCA SMOTE 0.705000 0.795848 -7.750000e-02 -0.205000 -0.135714 0.827273
LinearDiscriminantAnalysis BASE_LINE NONE BASE_LINE_VALUES 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE NONE BASE_LINE_VALUES 0.705000 0.792982 -4.500000e-02 -0.115000 -0.083333 0.888889
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.705000 0.792982 -4.500000e-02 -0.115000 -0.083333 0.888889
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705000 0.791519 1.000000e-02 -0.105000 -0.045238 0.937908
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705000 0.791519 -4.500000e-02 -0.140000 -0.092857 0.875000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE_FAIR_PCA 0.705000 0.790036 -3.000000e-02 -0.060000 -0.054762 0.924092
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.705000 0.790036 -1.000000e-01 -0.200000 -0.150000 0.800000
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.705000 0.788530 4.500000e-02 -0.085000 -0.016667 0.976190
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.705000 0.788530 -3.000000e-02 -0.085000 -0.064286 0.910000
NEURONAL_NETWORK IN_PROCESSING RULER DEMV_FAIR_PCA 0.705000 0.788530 -2.325000e-01 -0.190000 -0.230952 0.697819
MLPClassifier PREPROCESSING FOS FAIR_PCA 0.705000 0.787004 8.000000e-02 -0.040000 0.021429 1.031579
LinearDiscriminantAnalysis PREPROCESSING FOS FAIR_PCA 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
LinearSVC PREPROCESSING FOS FAIR_PCA 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.705000 0.787004 7.500000e-03 -0.110000 -0.050000 0.928571
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.705000 0.785455 5.000000e-03 -0.065000 -0.035714 0.947917
ExtraTreesClassifier PREPROCESSING DEMV FAIR_PCA 0.705000 0.785455 2.500000e-02 -0.100000 -0.035714 0.947917
LogisticRegressionCV PREPROCESSING FOS FAIR_PCA 0.705000 0.785455 2.500000e-02 -0.100000 -0.035714 0.947917
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.705000 0.785455 2.500000e-02 -0.100000 -0.035714 0.947917
MLPClassifier BASE_LINE ROS ROS 0.705000 0.783883 -3.500000e-02 -0.020000 -0.045238 0.933333
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.705000 0.783883 -8.750000e-02 -0.125000 -0.116667 0.833333
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS 0.705000 0.782288 2.000000e-02 -0.010000 -0.007143 0.989130
NEURONAL_NETWORK IN_PROCESSING RULER DEMV 0.705000 0.780669 2.000000e-02 -0.035000 -0.016667 0.974359
NEURONAL_NETWORK IN_PROCESSING RULER FOS 0.705000 0.779026 4.000000e-02 -0.095000 -0.026190 0.959259
LinearSVC PREPROCESSING DEMV DEMV 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
LinearSVC PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705000 0.777358 3.750000e-02 -0.050000 -0.011905 0.981061
MLPClassifier PREPROCESSING DEMV FAIR_PCA 0.705000 0.777358 -1.750000e-02 -0.085000 -0.059524 0.907407
LogisticRegressionCV PREPROCESSING DEMV DEMV 0.705000 0.775665 5.500000e-02 -0.040000 0.002381 1.003876
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705000 0.775665 5.500000e-02 -0.040000 0.002381 1.003876
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705000 0.775665 5.500000e-02 -0.040000 0.002381 1.003876
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705000 0.775665 5.500000e-02 -0.040000 0.002381 1.003876
LinearDiscriminantAnalysis PREPROCESSING DEMV DEMV 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.705000 0.775665 2.775558e-17 -0.075000 -0.045238 0.928030
RidgeClassifierCV BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearSVC BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearSVC PREPROCESSING FAIR_GAN FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearSVC PREPROCESSING FAIR_GAN FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FairODTrainer 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING SMOTE_FAIR_PCA SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer ROS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROS_FAIR_PCA ROS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer RUS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RUS_FAIR_PCA RUS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FOS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FOS_FAIR_PCA FOS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FAIR_SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_SMOTE_FAIR_PCA FAIR_SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer BAL_GAN_FAIR 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING BAL_GAN_FAIR_FAIR_PCA BAL_GAN_FAIR 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer DEMV 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DEMV_FAIR_PCA DEMV 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier IN_PROCESSING FAIR_PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.700000 0.791667 -5.750000e-02 -0.090000 -0.080952 0.894081
RidgeClassifierCV BASE_LINE NONE BASE_LINE_VALUES 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis BASE_LINE SMOTE SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis BASE_LINE SMOTE HYPERPARAMETER 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA 0.700000 0.791667 -5.500000e-02 -0.160000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.700000 0.791667 -5.500000e-02 -0.160000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER 0.700000 0.790210 -5.750000e-02 -0.115000 -0.090476 0.880503
RidgeClassifierCV BASE_LINE SMOTE SMOTE 0.700000 0.790210 -7.500000e-02 -0.150000 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.790210 -7.500000e-02 -0.150000 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -7.250000e-02 -0.220000 -0.138095 0.820988
RidgeClassifierCV BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LogisticRegressionCV BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -9.000000e-02 -0.255000 -0.161905 0.792049
NEURONAL_NETWORK IN_PROCESSING RULER FOS_FAIR_PCA 0.700000 0.788732 3.000000e-02 0.035000 0.019048 1.026667
LinearSVC BASE_LINE NONE BASE_LINE_VALUES 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
LogisticRegressionCV BASE_LINE SMOTE SMOTE 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
LogisticRegressionCV BASE_LINE SMOTE HYPERPARAMETER 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
LinearSVC BASE_LINE SMOTE SMOTE 0.700000 0.787234 -5.750000e-02 -0.165000 -0.109524 0.852564
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.787234 -5.750000e-02 -0.165000 -0.109524 0.852564
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS_FAIR_PCA 0.700000 0.785714 1.425000e-01 -0.015000 0.071429 1.105263
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE UNAWARENESS 0.700000 0.785714 2.750000e-02 0.055000 0.023810 1.034364
MLPClassifier PREPROCESSING FOS FOS 0.700000 0.784173 3.000000e-02 -0.040000 -0.009524 0.986254
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS_FAIR_PCA 0.700000 0.784173 -1.000000e-01 -0.075000 -0.104762 0.854785
LinearSVC PREPROCESSING FOS FOS 0.700000 0.781022 1.250000e-02 -0.125000 -0.052381 0.923611
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.700000 0.781022 1.250000e-02 -0.125000 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING DEMV FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING DEMV FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.700000 0.772727 -7.000000e-02 -0.040000 -0.076190 0.881481
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.700000 0.437500 -4.900794e-01 -0.944444 -0.167421 0.186813
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_PCA_HYPERPARAMETER 0.695000 0.794613 8.250000e-02 -0.060000 0.021429 1.027523
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_GAN_HYPERPARAMETER 0.695000 0.790378 -3.250000e-02 -0.065000 -0.054762 0.929012
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.695000 0.790378 -3.250000e-02 -0.065000 -0.054762 0.929012
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.695000 0.790378 -3.250000e-02 -0.065000 -0.054762 0.929012
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearSVC BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS 0.695000 0.787456 -7.000000e-02 -0.115000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.787456 -5.000000e-02 -0.150000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER 0.695000 0.787456 -5.000000e-02 -0.150000 -0.097619 0.872274
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.695000 0.785965 7.500000e-02 0.000000 0.035714 1.050000
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.695000 0.784452 -1.050000e-01 -0.235000 -0.164286 0.785047
MLPClassifier BASE_LINE FAIR_PCA SMOTE 0.695000 0.784452 -8.500000e-02 -0.270000 -0.164286 0.785047
NEURONAL_NETWORK IN_PROCESSING DISTRACTION UNAWARENESS 0.695000 0.782918 -2.500000e-03 0.020000 -0.007143 0.989899
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.695000 0.782918 -5.000000e-02 -0.225000 -0.126190 0.830128
RidgeClassifierCV PREPROCESSING FOS FAIR_PCA 0.695000 0.781362 -1.750000e-02 -0.110000 -0.064286 0.910000
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695000 0.781362 -1.750000e-02 -0.110000 -0.064286 0.910000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV 0.695000 0.779783 1.450000e-01 0.040000 0.092857 1.141304
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.695000 0.778182 1.075000e-01 0.015000 0.059524 1.090580
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS 0.695000 0.776557 -4.000000e-02 -0.080000 -0.069048 0.899306
LinearSVC PREPROCESSING DEMV FAIR_PCA 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LinearSVC PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.695000 0.769811 -8.250000e-02 -0.040000 -0.083333 0.871795
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.695000 0.768061 8.500000e-02 -0.030000 0.026190 1.043137
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER 0.695000 0.768061 4.750000e-02 -0.030000 0.002381 1.003876
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.695000 0.768061 -6.500000e-02 -0.030000 -0.069048 0.891386
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.695000 0.768061 -6.500000e-02 -0.030000 -0.069048 0.891386
RidgeClassifierCV PREPROCESSING DEMV DEMV 0.695000 0.766284 1.000000e-02 -0.055000 -0.030952 0.949612
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.695000 0.766284 1.000000e-02 -0.055000 -0.030952 0.949612
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.695000 0.766284 1.000000e-02 -0.055000 -0.030952 0.949612
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.695000 0.766284 1.000000e-02 -0.055000 -0.030952 0.949612
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.695000 0.764479 1.000000e-02 -0.080000 -0.040476 0.933333
LinearSVC BASE_LINE ROS ROS 0.695000 0.762646 4.750000e-02 -0.105000 -0.026190 0.955823
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.695000 0.762646 4.750000e-02 -0.105000 -0.026190 0.955823
LogisticRegressionCV BASE_LINE RUS HYPERPARAMETER 0.695000 0.753036 5.000000e-03 -0.090000 -0.050000 0.909091
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.695000 0.753036 5.000000e-03 -0.090000 -0.050000 0.909091
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI 0.693182 0.737864 -9.680451e-02 -0.452381 -0.219794 0.627572
MLPClassifier BASE_LINE PCA HYPERPARAMETER 0.690000 0.816568 -2.500000e-02 -0.050000 -0.033333 0.966667
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer FAIR_GAN_HYPERPARAMETER 0.690000 0.789116 1.000000e-01 0.100000 0.090476 1.121795
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.690000 0.789116 1.000000e-01 0.100000 0.090476 1.121795
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.690000 0.789116 1.000000e-01 0.100000 0.090476 1.121795
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.690000 0.786207 -4.250000e-02 -0.160000 -0.095238 0.877676
MLPClassifier BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.690000 0.783217 -3.000000e-02 -0.035000 -0.042857 0.942308
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.690000 0.783217 -1.000000e-02 -0.070000 -0.042857 0.942308
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.690000 0.780142 -1.000000e-01 -0.225000 -0.157143 0.792453
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR 0.690000 0.778571 -1.500000e-02 -0.005000 -0.023810 0.966330
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.690000 0.778571 -3.000000e-02 -0.110000 -0.071429 0.900990
LinearDiscriminantAnalysis PREPROCESSING FOS FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING FOS FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE_FAIR_PCA 0.690000 0.772059 1.325000e-01 -0.035000 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE_FAIR_PCA 0.690000 0.772059 1.325000e-01 -0.035000 0.057143 1.088889
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER 0.690000 0.772059 2.000000e-02 -0.035000 -0.014286 0.978495
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.690000 0.765152 9.000000e-02 0.005000 0.042857 1.070588
RidgeClassifierCV PREPROCESSING DEMV FAIR_PCA 0.690000 0.765152 -7.750000e-02 -0.030000 -0.076190 0.881481
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.690000 0.765152 -7.750000e-02 -0.030000 -0.076190 0.881481
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.690000 0.763359 7.250000e-02 -0.055000 0.009524 1.015686
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA ROS 0.690000 0.759690 3.250000e-02 -0.035000 -0.009524 0.983936
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.690000 0.759690 3.250000e-02 -0.035000 -0.009524 0.983936
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.690000 0.759690 3.250000e-02 -0.035000 -0.009524 0.983936
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.690000 0.759690 3.250000e-02 -0.035000 -0.009524 0.983936
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.690000 0.755906 7.000000e-02 -0.085000 -0.004762 0.991667
RidgeClassifierCV BASE_LINE FAIR_PCA ROS 0.690000 0.755906 1.250000e-02 -0.050000 -0.028571 0.950617
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.690000 0.755906 1.250000e-02 -0.050000 -0.028571 0.950617
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI 0.689655 0.696629 -2.508560e-01 -0.509404 -0.246023 0.533405
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator FAIR_PCA_HYPERPARAMETER 0.685000 0.784983 -7.250000e-02 -0.170000 -0.116667 0.854167
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS 0.685000 0.775801 3.000000e-02 -0.040000 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS 0.685000 0.775801 3.000000e-02 -0.040000 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE 0.685000 0.775801 -4.500000e-02 -0.040000 -0.054762 0.924092
MLPClassifier BASE_LINE NONE BASE_LINE_VALUES 0.685000 0.775801 -4.250000e-02 -0.110000 -0.078571 0.892157
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS_FAIR_PCA 0.685000 0.772563 2.300000e-01 0.085000 0.164286 1.258427
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS_FAIR_PCA 0.685000 0.772563 2.300000e-01 0.085000 0.164286 1.258427
MLPClassifier PREPROCESSING DEMV DEMV 0.685000 0.770909 1.000000e-02 -0.080000 -0.035714 0.947917
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV_FAIR_PCA 0.685000 0.769231 1.000000e-02 -0.105000 -0.045238 0.933333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV_FAIR_PCA 0.685000 0.769231 1.000000e-02 -0.105000 -0.045238 0.933333
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.685000 0.769231 -7.500000e-03 -0.140000 -0.069048 0.899306
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV 0.685000 0.764045 -7.000000e-02 -0.040000 -0.073810 0.887681
NEURONAL_NETWORK IN_PROCESSING RULER ROS_FAIR_PCA 0.685000 0.760456 1.125000e-01 0.050000 0.073810 1.124498
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.685000 0.756757 4.000000e-02 -0.070000 -0.016667 0.972222
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR 0.685000 0.752941 1.750000e-02 -0.015000 -0.011905 0.979424
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR 0.685000 0.752941 1.750000e-02 -0.015000 -0.011905 0.979424
LogisticRegressionCV BASE_LINE ROS HYPERPARAMETER 0.685000 0.750988 7.500000e-02 -0.075000 0.002381 1.004219
LogisticRegressionCV BASE_LINE ROS ROS 0.685000 0.750988 5.750000e-02 -0.110000 -0.021429 0.962500
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685000 0.750988 5.750000e-02 -0.110000 -0.021429 0.962500
RidgeClassifierCV BASE_LINE ROS ROS 0.685000 0.749004 1.750000e-02 -0.065000 -0.030952 0.945148
LinearDiscriminantAnalysis BASE_LINE ROS ROS 0.685000 0.749004 0.000000e+00 -0.100000 -0.054762 0.904167
LinearDiscriminantAnalysis BASE_LINE ROS HYPERPARAMETER 0.685000 0.749004 0.000000e+00 -0.100000 -0.054762 0.904167
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685000 0.749004 0.000000e+00 -0.100000 -0.054762 0.904167
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.685000 0.749004 0.000000e+00 -0.100000 -0.054762 0.904167
LinearSVC BASE_LINE FAIR_PCA RUS 0.685000 0.746988 -5.500000e-02 -0.160000 -0.111905 0.806584
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.685000 0.746988 -5.500000e-02 -0.160000 -0.111905 0.806584
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.680000 0.777778 1.300000e-01 0.035000 0.085714 1.120000
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.680000 0.776224 3.750000e-02 -0.025000 0.004762 1.006536
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM UNAWARENESS 0.680000 0.769784 1.750000e-02 -0.090000 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD UNAWARENESS 0.680000 0.769784 1.750000e-02 -0.090000 -0.033333 0.952381
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.680000 0.769784 3.750000e-02 -0.125000 -0.033333 0.952381
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.680000 0.766423 -1.750000e-02 -0.210000 -0.100000 0.857143
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR_FAIR_PCA 0.680000 0.764706 -1.350000e-01 -0.095000 -0.133333 0.809524
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE 0.680000 0.762963 3.250000e-02 -0.085000 -0.023810 0.963768
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.680000 0.755725 4.750000e-02 -0.080000 -0.014286 0.976744
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS 0.680000 0.750000 9.500000e-02 0.090000 0.076190 1.136752
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS 0.680000 0.750000 9.500000e-02 0.090000 0.076190 1.136752
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.680000 0.744000 2.250000e-02 -0.055000 -0.023810 0.957265
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.680000 0.744000 -3.000000e-02 -0.160000 -0.095238 0.835391
RidgeClassifierCV BASE_LINE RUS RUS 0.680000 0.741935 2.500000e-03 -0.045000 -0.033333 0.939394
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.680000 0.741935 2.500000e-03 -0.045000 -0.033333 0.939394
LogisticRegressionCV BASE_LINE RUS RUS 0.680000 0.739837 2.500000e-03 -0.070000 -0.042857 0.921053
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.680000 0.739837 2.500000e-03 -0.070000 -0.042857 0.921053
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA RUS 0.680000 0.739837 -7.000000e-02 -0.140000 -0.114286 0.797468
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.680000 0.739837 -7.000000e-02 -0.140000 -0.114286 0.797468
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.680000 0.739837 -7.000000e-02 -0.140000 -0.114286 0.797468
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.680000 0.739837 -7.000000e-02 -0.140000 -0.114286 0.797468
RidgeClassifierCV BASE_LINE FAIR_PCA RUS 0.680000 0.739837 -8.750000e-02 -0.175000 -0.138095 0.758333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.680000 0.739837 -8.750000e-02 -0.175000 -0.138095 0.758333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI 0.679012 0.593750 -2.361494e-01 -0.653333 -0.222222 0.400000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE_FAIR_PCA 0.675000 0.770318 -3.250000e-02 -0.040000 -0.045238 0.937908
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER 0.675000 0.767025 -5.000000e-02 -0.125000 -0.088095 0.877888
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.675000 0.760148 -5.250000e-02 -0.155000 -0.102381 0.850694
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR 0.675000 0.754717 7.000000e-02 0.015000 0.035714 1.058140
LinearSVC BASE_LINE FAIR_PCA ROS 0.675000 0.749035 3.250000e-02 -0.060000 -0.016667 0.972222
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.675000 0.749035 3.250000e-02 -0.060000 -0.016667 0.972222
LogisticRegressionCV BASE_LINE FAIR_PCA RUS 0.675000 0.741036 -4.250000e-02 -0.160000 -0.102381 0.825203
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675000 0.741036 -4.250000e-02 -0.160000 -0.102381 0.825203
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675000 0.741036 -4.250000e-02 -0.160000 -0.102381 0.825203
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675000 0.738956 -1.000000e-01 -0.150000 -0.135714 0.768293
MLPClassifier PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.670000 0.765957 6.750000e-02 -0.065000 0.009524 1.013468
MLPClassifier PREPROCESSING FOS HYPERPARAMETER 0.670000 0.765957 1.000000e-02 -0.030000 -0.014286 0.980000
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE_FAIR_PCA 0.670000 0.760870 3.000000e-02 -0.140000 -0.042857 0.938144
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.670000 0.757353 -4.250000e-02 -0.260000 -0.133333 0.809524
MLPClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670000 0.750000 4.000000e-02 -0.045000 -0.004762 0.992337
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR_FAIR_PCA 0.670000 0.748092 -3.500000e-02 -0.070000 -0.061905 0.901515
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR_FAIR_PCA 0.670000 0.748092 -3.500000e-02 -0.070000 -0.061905 0.901515
LogisticRegressionCV BASE_LINE FAIR_PCA ROS 0.670000 0.746154 5.750000e-02 -0.060000 0.000000 1.000000
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.670000 0.746154 5.750000e-02 -0.060000 0.000000 1.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.670000 0.746154 5.750000e-02 -0.060000 0.000000 1.000000
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI 0.666667 0.000000 NaN NaN 0.000000 NaN
ExtraTreesClassifier BASE_LINE FAIR_PCA SMOTE 0.665000 0.766551 -5.000000e-02 -0.225000 -0.121429 0.842593
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.665000 0.761566 -3.500000e-02 -0.195000 -0.102381 0.860841
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.665000 0.756364 -7.500000e-03 0.010000 -0.011905 0.982456
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.665000 0.752768 1.000000e-02 -0.005000 -0.007143 0.989130
MLPClassifier BASE_LINE ROS HYPERPARAMETER 0.665000 0.743295 2.750000e-02 -0.095000 -0.030952 0.949612
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.665000 0.743295 -4.750000e-02 -0.095000 -0.078571 0.875000
MLPClassifier BASE_LINE RUS RUS 0.665000 0.735178 7.500000e-02 0.050000 0.050000 1.090909
LinearSVC BASE_LINE RUS RUS 0.665000 0.730924 -1.750000e-02 -0.035000 -0.040476 0.927350
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.665000 0.730924 -1.750000e-02 -0.035000 -0.040476 0.927350
LinearDiscriminantAnalysis BASE_LINE RUS RUS 0.665000 0.728745 -1.750000e-02 -0.060000 -0.050000 0.909091
LinearDiscriminantAnalysis BASE_LINE RUS HYPERPARAMETER 0.665000 0.728745 -1.750000e-02 -0.060000 -0.050000 0.909091
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.665000 0.728745 -1.750000e-02 -0.060000 -0.050000 0.909091
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.665000 0.728745 -1.750000e-02 -0.060000 -0.050000 0.909091
MLPClassifier BASE_LINE RUS HYPERPARAMETER 0.665000 0.726531 1.750000e-02 -0.015000 -0.011905 0.977477
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.665000 0.724280 -9.000000e-02 -0.180000 -0.140476 0.747863
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.660000 0.728000 2.500000e-02 0.000000 0.000000 1.000000
MLPClassifier BASE_LINE FAIR_PCA ROS 0.660000 0.728000 2.750000e-02 -0.070000 -0.023810 0.957265
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE 0.655000 0.749091 8.000000e-02 -0.015000 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE 0.655000 0.749091 8.000000e-02 -0.015000 0.035714 1.053763
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655000 0.725100 5.250000e-02 -0.070000 -0.007143 0.987179
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.655000 0.722892 -4.000000e-02 -0.130000 -0.088095 0.845833
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.655000 0.722892 -9.500000e-02 -0.165000 -0.135714 0.768293
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.655000 0.713693 -4.500000e-02 -0.090000 -0.078571 0.851351
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI 0.653061 0.370370 NaN -0.941176 -0.097426 0.376471
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS 0.650000 0.736842 2.750000e-02 -0.070000 -0.019048 0.970037
ExtraTreesClassifier BASE_LINE FAIR_PCA RUS 0.650000 0.713115 -9.000000e-02 -0.205000 -0.147619 0.738397
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS_FAIR_PCA 0.650000 0.710744 -5.750000e-02 -0.090000 -0.085714 0.840000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS 0.645000 0.741818 7.250000e-02 -0.005000 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS 0.645000 0.741818 7.250000e-02 -0.005000 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS_FAIR_PCA 0.645000 0.712551 -5.000000e-02 -0.075000 -0.073810 0.867521
NEURONAL_NETWORK IN_PROCESSING RULER RUS 0.640000 0.712000 6.750000e-02 -0.015000 0.023810 1.043860
MLPClassifier BASE_LINE FAIR_PCA RUS 0.640000 0.700000 -9.750000e-02 -0.245000 -0.166667 0.696970
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.635000 0.720307 5.000000e-03 -0.065000 -0.030952 0.949612
ExtraTreesClassifier BASE_LINE RUS RUS 0.620000 0.672414 -1.150000e-01 -0.255000 -0.180952 0.648148
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS 0.615000 0.685714 -2.500000e-03 0.070000 0.011905 1.022831
NEURONAL_NETWORK IN_PROCESSING RULER RUS_FAIR_PCA 0.610000 0.688000 1.200000e-01 0.015000 0.071429 1.135135
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.605000 0.651982 -1.025000e-01 -0.180000 -0.145238 0.696517
MLPClassifier BASE_LINE PCA HYPERPARAMETER_ROS 0.595000 0.687259 -2.600000e-01 -0.295000 -0.278571 0.589474
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_ROS 0.595000 0.672065 -3.000000e-01 -0.375000 -0.335714 0.471910
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS_FAIR_PCA 0.590000 0.724832 1.725000e-01 0.320000 0.228571 1.316832
RidgeClassifierCV BASE_LINE PCA ROS 0.590000 0.666667 -2.950000e-01 -0.365000 -0.328571 0.477273
LinearDiscriminantAnalysis BASE_LINE PCA ROS 0.590000 0.666667 -2.950000e-01 -0.365000 -0.328571 0.477273
LinearSVC BASE_LINE PCA ROS 0.590000 0.666667 -2.950000e-01 -0.365000 -0.328571 0.477273
LogisticRegressionCV BASE_LINE PCA ROS 0.590000 0.666667 -2.950000e-01 -0.365000 -0.328571 0.477273
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_ROS 0.590000 0.666667 -2.950000e-01 -0.365000 -0.328571 0.477273
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR 0.590000 0.627273 9.000000e-02 0.080000 0.071429 1.188679
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI 0.587302 0.638889 -5.660173e-01 -0.833333 -0.616633 0.251232
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.587302 0.628571 0.000000e+00 0.000000 -0.002869 0.995122
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS 0.585000 0.677043 -2.750000e-02 -0.205000 -0.097619 0.841085
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS 0.585000 0.649789 -7.750000e-02 -0.105000 -0.097619 0.810185
ExtraTreesClassifier BASE_LINE PCA ROS 0.580000 0.669291 1.250000e-02 -0.150000 -0.052381 0.910569
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS_FAIR_PCA 0.580000 0.641026 7.500000e-02 -0.050000 0.019048 1.041026
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS_FAIR_PCA 0.580000 0.641026 7.500000e-02 -0.050000 0.019048 1.041026
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.579365 0.629371 -1.059524e-01 -0.161905 -0.110473 0.829268
ExtraTreesClassifier BASE_LINE PCA PCA 0.575000 0.684015 -4.750000e-02 -0.220000 -0.111905 0.835088
MLPClassifier BASE_LINE PCA HYPERPARAMETER_SMOTE 0.575000 0.681648 -2.350000e-01 -0.245000 -0.240476 0.659933
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI 0.573770 0.315789 -1.927760e-01 -0.294643 -0.154444 0.205714
ExtraTreesClassifier_SMOTE_SMOTE POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_SMOTE_SMOTE_CounterfactualAnalyzer 0.571429 0.608696 -4.761905e-02 -0.095238 -0.051650 0.912195
RidgeClassifierCV BASE_LINE PCA RUS 0.570000 0.650407 -2.175000e-01 -0.310000 -0.257143 0.576471
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_RUS 0.565000 0.641975 -1.775000e-01 -0.255000 -0.211905 0.633745
LinearDiscriminantAnalysis BASE_LINE PCA RUS 0.560000 0.648000 -2.600000e-01 -0.320000 -0.285714 0.550562
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_RUS 0.560000 0.648000 -2.600000e-01 -0.320000 -0.285714 0.550562
LinearSVC_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer 0.555556 0.616438 -1.059524e-01 -0.161905 -0.109613 0.836543
MLPClassifier BASE_LINE PCA RUS 0.555000 0.642570 -2.375000e-01 -0.275000 -0.254762 0.590038
LinearSVC BASE_LINE PCA RUS 0.555000 0.642570 -2.725000e-01 -0.345000 -0.302381 0.524345
MLPClassifier BASE_LINE PCA HYPERPARAMETER_RUS 0.550000 0.634146 -2.325000e-01 -0.290000 -0.257143 0.576471
LogisticRegressionCV BASE_LINE PCA RUS 0.550000 0.625000 -1.450000e-01 -0.190000 -0.166667 0.696970
ExtraTreesClassifier BASE_LINE PCA RUS 0.545000 0.602620 4.250000e-02 -0.165000 -0.040476 0.911458
MLPClassifier_BASE_HYPER POSTPROCESSING MLPClassifier_BASE_HYPER_CERTI_FAI MLPClassifier_BASE_HYPER_CERTI_FAI 0.543860 0.480000 -1.806548e-01 -0.461310 -0.277916 0.216783
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.539683 0.597222 -8.373016e-02 -0.117460 -0.086083 0.866962
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer 0.531746 0.575540 -9.523810e-02 -0.190476 -0.099570 0.837242
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer 0.531746 0.575540 -9.523810e-02 -0.190476 -0.099570 0.837242
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.531746 0.569343 -7.162698e-02 -0.168254 -0.076040 0.870732
LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier_FAIR_GAN_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer 0.523810 0.687500 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_HYPER_CounterfactualAnalyzer 0.523810 0.589041 -3.373016e-02 -0.117460 -0.037303 0.942350
LogisticRegressionCV_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer 0.523810 0.577465 -2.400794e-02 -0.073016 -0.026399 0.956848
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER UNAWARENESS 0.520000 0.603306 1.500000e-02 0.005000 0.009524 1.018779
ExtraTreesClassifier BASE_LINE PCA SMOTE 0.520000 0.603306 5.500000e-02 -0.065000 0.009524 1.018779
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_SMOTE 0.520000 0.593220 -9.750000e-02 -0.070000 -0.090476 0.821596
LogisticRegressionCV BASE_LINE PCA SMOTE 0.520000 0.593220 -1.150000e-01 -0.105000 -0.114286 0.777778
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.515873 0.548148 -8.690476e-02 -0.123810 -0.088666 0.846192
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.515873 0.548148 -8.432540e-02 -0.193651 -0.088666 0.846192
LinearDiscriminantAnalysis BASE_LINE PCA SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
LinearSVC BASE_LINE PCA SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.507937 0.392157 1.230159e-02 -0.025397 0.010330 1.036585
RidgeClassifierCV BASE_LINE PCA SMOTE 0.505000 0.571429 -1.200000e-01 -0.065000 -0.102381 0.789216
MLPClassifier BASE_LINE PCA ROS 0.505000 0.556054 -1.750000e-01 -0.200000 -0.188095 0.601010
MLPClassifier BASE_LINE PCA SMOTE 0.495000 0.542986 -9.500000e-02 -0.040000 -0.078571 0.816667
LinearDiscriminantAnalysis_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.492063 0.396226 -3.373016e-02 -0.117460 -0.036729 0.888502
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS 0.485000 0.554113 -9.500000e-02 -0.115000 -0.102381 0.789216
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_FAIR_PCA_HYPERPARAMETER_CounterfactualAnalyzer 0.484127 0.503817 -7.480159e-02 -0.174603 -0.077762 0.856310
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_BASE_LINE_VALUES_CERTI_FAI 0.479452 0.240000 -8.948508e-02 -0.174641 -0.096124 0.409524
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.468254 0.361905 4.325397e-02 0.136508 0.047346 1.160976
MLPClassifier_FAIR_PCA_HYPERPARAMETER POSTPROCESSING MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI 0.466667 0.538462 -6.776961e-01 -0.480392 -0.530364 0.224852
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.460317 0.403509 1.646825e-02 -0.092063 0.013773 1.036585
LinearDiscriminantAnalysis_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.460317 0.320000 -3.174603e-03 -0.006349 -0.002296 0.991516
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI 0.444444 0.375000 -9.500000e-01 -0.900000 -0.933333 0.066667
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS 0.435000 0.506550 -3.325000e-01 -0.265000 -0.302381 0.435556
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.434783 0.338983 -1.814815e-01 -0.196296 -0.189744 0.260000
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425000 0.378378 4.925000e-01 0.560000 0.511905 8.166667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425000 0.378378 4.925000e-01 0.560000 0.511905 8.166667
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI 0.420000 0.256410 -1.659091e-01 -0.150000 -0.143317 0.340741
LogisticRegressionCV_BASE_HYPER POSTPROCESSING LogisticRegressionCV_BASE_HYPER_CERTI_FAI LogisticRegressionCV_BASE_HYPER_CERTI_FAI 0.415094 0.162162 -1.653846e-01 -0.230769 -0.173913 0.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE 0.415000 0.367568 6.100000e-01 0.745000 0.654762 23.916667
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE 0.415000 0.367568 6.100000e-01 0.745000 0.654762 23.916667
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.410000 0.351648 6.500000e-01 0.800000 0.700000 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.410000 0.351648 6.500000e-01 0.800000 0.700000 inf
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.405000 0.356757 6.225000e-01 0.720000 0.654762 23.916667
LinearSVC_BASE_LINE_VALUES POSTPROCESSING LinearSVC_BASE_LINE_VALUES_CERTI_FAI LinearSVC_BASE_LINE_VALUES_CERTI_FAI 0.403846 0.415094 -1.000000e+00 -1.000000 -1.000000 0.000000
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400000 0.340659 6.625000e-01 0.775000 0.700000 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400000 0.340659 6.625000e-01 0.775000 0.700000 inf
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_PCA 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.400000 0.340659 6.100000e-01 0.670000 0.628571 30.333333
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.400000 0.325843 5.875000e-01 0.725000 0.633333 inf
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE_FAIR_PCA 0.395000 0.345946 6.900000e-01 0.730000 0.702381 50.166667
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.395000 0.338798 6.150000e-01 0.705000 0.645238 31.111111
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.395000 0.324022 6.125000e-01 0.725000 0.650000 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE 0.395000 0.284024 4.250000e-01 0.600000 0.483333 inf
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE 0.390000 0.314607 6.000000e-01 0.700000 0.633333 inf
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385000 0.335135 7.200000e-01 0.740000 0.726190 102.666667
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.385000 0.305085 5.875000e-01 0.675000 0.616667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.385000 0.305085 5.875000e-01 0.675000 0.616667 inf
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE 0.385000 0.305085 5.875000e-01 0.675000 0.616667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.385000 0.297143 5.500000e-01 0.650000 0.583333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385000 0.297143 5.500000e-01 0.650000 0.583333 inf
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380000 0.303371 6.125000e-01 0.675000 0.633333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.380000 0.303371 6.125000e-01 0.675000 0.633333 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.380000 0.303371 6.125000e-01 0.675000 0.633333 inf
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.380000 0.303371 5.950000e-01 0.640000 0.609524 86.333333
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.380000 0.295455 5.750000e-01 0.650000 0.600000 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.380000 0.295455 5.750000e-01 0.650000 0.600000 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380000 0.287356 5.375000e-01 0.625000 0.566667 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.380000 0.287356 5.375000e-01 0.625000 0.566667 inf
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_PCA 0.380000 0.279070 5.000000e-01 0.600000 0.533333 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.380000 0.279070 5.000000e-01 0.600000 0.533333 inf
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN_FAIR_PCA 0.380000 0.253012 -2.250000e-02 -0.070000 -0.042857 0.700000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_PCA 0.380000 0.253012 -2.250000e-02 -0.070000 -0.042857 0.700000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE_FAIR_PCA 0.375000 0.301676 6.375000e-01 0.675000 0.650000 inf
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE_FAIR_PCA 0.370000 0.292135 6.075000e-01 0.615000 0.609524 86.333333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE_FAIR_PCA 0.370000 0.292135 6.075000e-01 0.615000 0.609524 86.333333
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.370000 0.284091 5.875000e-01 0.625000 0.600000 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE_FAIR_PCA 0.370000 0.250000 4.375000e-01 0.525000 0.466667 inf
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS_FAIR_PCA 0.340000 0.274725 -8.250000e-02 -0.040000 -0.061905 0.729167
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE_FAIR_PCA 0.320000 0.055556 -2.000000e-02 -0.040000 -0.028571 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE 0.315000 0.041958 -1.500000e-02 -0.030000 -0.021429 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN 0.310000 0.041667 -1.000000e-02 0.005000 -0.004762 0.777778
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS_FAIR_PCA 0.290000 0.053333 -9.500000e-02 -0.040000 -0.071429 0.000000
6.5 Proceso de revisión

Luego de tener resultados de evaluación del modelo se pueden establecer un conjunto de acciones para comprender cómo se toman las decisiones. Es recomendable hacer un análisis de importancia de características, para establecer la contribución relativa de cada característica en las predicciones del modelo. Teniendo en cuenta este orden se procede a revisar cual es la característica más importante y la que menos contribuye en la salida del modelo.

Probabilidad de predicción positiva: ¿Qué porcentaje de cada grupo recibe una predicción positiva?

Distribución de la Probabilidad de Predicción Positiva por Grupo Sensible

Varianza de las predicciones dentro de un grupo: ¿Las predicciones dentro de un mismo grupo son consistentes o varían mucho?

Varianza de las Predicciones por Grupo Sensible

Disparidad entre grupos: ¿Hay diferencias significativas en las tasas de predicción positiva?

Comparación de Probabilidad Media de Predicción Positiva por Clasificador Comparación de la Equidad entre las 10 Mejores Combinaciones de Parámetros

Usa LIME para generar explicaciones locales sobre la influencia de las características en las predicciones del modelo.

Importancia de Características según LIME

Usa SHAP para calcular la importancia de cada característica en la toma de decisiones del modelo.

Importancia de Características según SHAP

Se generan múltiples versiones de los datos y se filtran aquellas que producen resultados distintos en un modelo de clasificación.

Se calculan distancias entre las versiones originales y las alteradas, almacenando la información resultante.

Posteriormente, los valores generados se ajustan para mantener coherencia con los datos originales.

Distribución de la Distancia por Cantidad de Cambios Impacto de Cada Atributo en la Distancia Comparación de Distribuciones de Distancia